研究者在TWA中引入SVD秩一权重校正以改进OOD检测
热点事件持续更新
研究者在TWA中引入SVD秩一权重校正以改进OOD检测
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Akito Shinohara 与 Hiroaki Aizawa 在 arXiv 提交论文，将可训练权重平均（TWA）扩展用于分布外（OOD）检测：用 SVD 提取的 rank-1 主导权重分量作为校正方向，其贡献通过分布内分类目标学习。作者称，在 ResNet50 上，该方法在所评估数据集上使用 MSP 和 RankWeight 评分时均优于微调和标准 TWA，且无论是否使用 Outlier Exposure。 效果受评分协议影响：基于 Mahalanobis 的评估结果好坏参半，表明该方法的好处取决于所用的 OOD 评分协议。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
Rank-1 权重校正的可训练权重平均方法用于 OOD 检测报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AIRank-1 权重校正的可训练权重平均方法用于 OOD 检测
研究者在可训练权重平均（TWA）基础上，用 SVD 提取的 rank-1 主导权重分量作为校正方向，其贡献通过分布内分类目标学习，以改进 OOD 检测。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。