論文の概要: TriScore: Post-Hoc Out-of-Distribution Detection with Energy, Boundary Probes, and Transform Consistency

• arxiv url: http://arxiv.org/abs/2610.26323v1
• Date: Mon, 19 Oct 2026 13:00:36 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:03:26.06991
• Title: TriScore: Post-Hoc Out-of-Distribution Detection with Energy, Boundary Probes, and Transform Consistency
• Title（参考訳）: TriScore: エネルギー, 境界プローブ, 変換整合性を用いたポストホックアウトオブディストリビューション検出
• Abstract要約: TriScoreはポストホットなOOD検出器で、同じ冷凍バックボーンから3つのIDキャリブレーションされた信号を合成する。 AUROCは、非適応的逆シフトプロトコルの下で15のポストホックベースラインの中で最高の平均値を達成する。
• 参考スコア（独自算出の注目度）: 6.247735279234965
• License:
• Abstract: Post-hoc out-of-distribution detection usually relies on a single signal extracted from a frozen classifier, such as confidence, energy, features, or gradients. This dependence becomes fragile under classifier-level adversarial shift, where the shift can preserve the detector's chosen cue while changing the model's decision behavior. We investigate whether this failure mode can be mitigated by combining complementary detection criteria instead of selecting a single score. We introduce TriScore, a post-hoc OOD detector that combines three ID-calibrated signals from the same frozen backbone: an energy prior, a boundary-fragility score, and a transform-consistency score. These signals are standardized on ID validation data and fused by an input-dependent ID-residual gate, requiring no OOD labels, auxiliary model, training, or stored feature bank. Across four ImageNet-scale backbones, TriScore achieves the best mean AUROC among 15 post-hoc baselines under a non-adaptive adversarial-shift protocol, while remaining competitive on standard OOD benchmarks. Ablations show that the gains come from combining complementary cues rather than optimizing a single detector signal. These results support multi-criterion post-hoc detection as a practical route toward more robust OOD detection under classifier-level shift. The source code is publicly available at github.com/gursoyege/TriScore.
• Abstract（参考訳）: ポスト・アウト・オブ・ディストリビューション検出は通常、信頼性、エネルギー、特徴、勾配などの冷凍分類器から抽出された単一の信号に依存する。 この依存は分類器レベルの逆数シフトの下で脆弱になり、シフトはモデルの決定動作を変更しながら検出器の選択したキューを保存することができる。 単一スコアを選択するのではなく、相補的な検出基準を組み合わせることで、この障害モードを緩和できるかどうかを検討する。 我々は、TriScoreというポストホックOOD検出器を導入し、同じ冷凍バックボーンから3つのID校正信号を合成する。 これらの信号は、ID検証データに基づいて標準化され、入力依存のID-残留ゲートによって融合され、OODラベル、補助モデル、トレーニング、格納されたフィーチャーバンクを必要としない。 4つのImageNetスケールのバックボーンの中で、TriScoreは、標準のOODベンチマークで競争力を維持しながら、非適応的な逆シフトプロトコルの下で15のポストホックベースラインの中でAUROCを最も平均的に達成している。 アブレーションは、1つの検出器信号を最適化するのではなく、相補的なキューを組み合わせることで得られることを示している。 これらの結果は、分類器レベルシフト下でのより堅牢なOOD検出への実践的なルートとして、マルチクレーターポストホック検出をサポートする。 ソースコードはgithub.com/gursoyege/TriScoreで公開されている。

関連論文リスト

• Adaptive Forgetting for Nonstationary Optimization: Towards Robust EEG Decoding [11.845784831344567]
  クロスオブジェクトの一般化は、実際的な応用において依然として中心的な課題である。 EEGデコーダは通常、固定された第2モーメント崩壊係数の下でAdam/AdamWで訓練される。 AFORは、固定勾配モーメント減衰係数を局所状態からオンラインの動的係数に変換することで、これらの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-21T07:56:33Z)
• Level, Sharpness, and Corpus: Why Zero-Shot OOD Detector Rankings Do Not Transfer [36.02174685737611]
  各検出器は、少なくとも1つのドメインで80%$ FPR95 を超え、所望の検出器は、分配データと基礎となる VLM の両方に依存する。 本稿では, ベース検出器, レベル, シャープネスの非補償融合により, 補完的証拠を保存する検出器非依存ラッパーであるComplementary Evidence Guard(CEG)を紹介する。
  論文  参考訳（メタデータ） (2026-07-29T08:00:49Z)
• TopoGeoScore: A Self-Supervised Source-Only Geometric Framework for OOD Checkpoint Selection [1.4877856019517555]
  ラベルなしOODチェックポイント選択のためのソースのみの幾何スコアである textbfTopoGeoScore を提案する。 我々は、ソース埋め込みからクラス条件の相互$k$-nearest-neighbourグラフを構築し、3つの解釈可能な信号を抽出する。 ウェイトを手で固定する代わりに、TopoGeoScoreは自己教師対象を通じて非負の線形スコアを学習する。
  論文  参考訳（メタデータ） (2026-05-09T10:46:47Z)
• Mitigating the ID-OOD Tradeoff in Open-Set Test-Time Adaptation [52.620992698137236]
  オープンセットテスト時間適応(OSTTA)は、新しい環境にモデルを適用するという課題に対処する。 本稿では,OSTTAにおけるエントロピーの限界をまず解析し,次に特徴ノルム等級を規制する角損失を導入する。 高いID分類性能を維持しながら強力なOOD検出を実現する。
  論文  参考訳（メタデータ） (2026-04-02T04:00:57Z)
• Reference-Free Rating of LLM Responses via Latent Information [53.463883683503106]
  本研究では,判断モデルに対して,自由テキスト応答にQuattスケールのスコアを割り当てるよう依頼する一般的な実践について検討する。 次に、内部モデル信号からスカラー評価を導出する潜在裁判官を提案し、評価する。 ペアとシングルレーティングのベンチマークの幅広いスイートの中で、潜在メソッドは標準のプロンプトにマッチするか、超えている。
  論文  参考訳（メタデータ） (2025-09-29T12:15:52Z)
• Revisiting Domain-Adaptive 3D Object Detection by Reliable, Diverse and Class-balanced Pseudo-Labeling [38.07637524378327]
  ドメイン適応型3Dオブジェクト検出において,疑似ラベリング技術を用いた教師なしドメイン適応(DA)が重要なアプローチとして浮上している。 既存のDAメソッドは、マルチクラスのトレーニング環境に適用した場合、パフォーマンスが大幅に低下する。 本稿では,すべてのクラスを一度に検出する学習に適した新しいReDBフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-07-16T04:34:11Z)
• DSLA: Dynamic smooth label assignment for efficient anchor-free object detection [18.043176234010517]
  アンカーフリー検出器は、基本的にオブジェクト検出を密な分類と回帰として定式化する。 局所化の質を推定するために、個別の予測分岐を導入するのが一般的である。 分類と品質評価の実践を掘り下げると、以下の矛盾が観測される。
  論文  参考訳（メタデータ） (2022-08-01T12:56:44Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Attentive Prototypes for Source-free Unsupervised Domain Adaptive 3D Object Detection [85.11649974840758]
  3Dオブジェクト検出ネットワークは、トレーニングされたデータに対してバイアスを受ける傾向がある。 そこで本研究では,ライダーを用いた3次元物体検出器のソースレス・教師なし領域適応のための単一フレーム手法を提案する。
  論文  参考訳（メタデータ） (2021-11-30T18:42:42Z)
• Probabilistic Anchor Assignment with IoU Prediction for Object Detection [9.703212439661097]
  オブジェクト検出では、どのアンカーを正または負のサンプルとして割り当てるか、すなわちアンカー代入(アンカー代入)がモデルの性能に大きく影響を与えるコアプロシージャとして明らかにされている。 本稿では,モデルの学習状況に応じて,アンカーを正と負のサンプルに適応的に分離する新しいアンカー代入戦略を提案する。
  論文  参考訳（メタデータ） (2020-07-16T04:26:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。