NegLabel

在机器学习模型日益应用于开放世界场景中，如何有用辨别和处理漫衍外（Out-of-Distribution, OOD）数据成为一个重要研究领域[1]。漫衍外数据的存在可能导致模型过度自信和错误预测，这在安全关键应用（如自动驾驶和医疗诊断）中尤为危险。因此，发展一种有用的OOD检测机制，对于提高模型在实际应用中的安全性和可靠性至关重要。传统的OOD检测步骤主要集中在单一模态，特别是图象数据上，而忽视了…