Neue Perspektiven der Out-of-Distribution Erkennung in der Ära von Vision-Language Modellen

Das generalisierte OOD-Erkennungsframework v2

In dieser Übersicht präsentieren wir eine aktualisierte Version des generalisierten OOD-Erkennungsframeworks, das die Entwicklung von AD, ND, OSR, OOD-Erkennung und OD im VLM-Zeitalter umfasst. Unser Framework zeigt, dass die anspruchsvollen Herausforderungen auf OOD-Erkennung und AD reduziert wurden.

Entwicklung der Aufgaben im VLM-Zeitalter

Die Aufgaben Anomalieerkennung, Neuheitserkennung, Open-Set-Erkennung, OOD-Erkennung und Ausreißererkennung haben sich im VLM-Zeitalter weiterentwickelt. Diese Entwicklungen sind durch die Integration und Inaktivität bestimmter Felder gekennzeichnet, wobei die größten Herausforderungen nun in der OOD-Erkennung und AD liegen.

Paradigmenwechsel und Methodik

Mit dem Aufkommen der VLMs gab es einen signifikanten Paradigmenwechsel in der Definition, den Problemstellungen und den Benchmarks der OOD-Erkennung. Diese Übersicht bietet eine umfassende Überprüfung der Methodik für die OOD-Erkennung und verwandte Aufgaben, um deren Beziehung zur OOD-Erkennung zu verdeutlichen.

Fortschritte im Zeitalter der Large Vision Language Models

In der Ära der Large Vision Language Models (LVLMs), wie GPT-4V, hat sich die OOD-Erkennung weiterentwickelt. Diese Modelle kombinieren visuelle und sprachliche Informationen und bieten neue Möglichkeiten und Herausforderungen für die OOD-Erkennung.

Definition und Problemstellungen

Wir untersuchen die Definitionen und Problemstellungen der OOD-Erkennung im Kontext der LVLMs und bieten eine umfassende Analyse der bisher erzielten Fortschritte und zukünftigen Herausforderungen.

Gemeinsame Benchmarks und Methodik

CLIP-basierte OOD-Erkennung und Anomalieerkennung nutzen verschiedene Benchmarks und Methodiken, um die Leistung dieser Modelle zu bewerten. Zu den gängigen Benchmarks gehören das ImageNet OOD Benchmark und das MVTec-AD.

CLIP-basierte OOD-Erkennung

Methoden zur CLIP-basierten OOD-Erkennung umfassen Zero-shot- und Few-shot-Ansätze, die ohne zusätzliche Trainingsdaten oder mit begrenzten Trainingsdaten arbeiten. Zu den wichtigen Benchmarks gehören ImageNet-20, ImageNet-10 und das ImageNet-Protokoll.

Real-World Benchmarks

Um die Anwendbarkeit der Modelle in realen Szenarien zu testen, werden auch reale Benchmarks herangezogen. Dazu gehört beispielsweise ImageNet-ES, das Variationen in Umwelt- und Kamerasensorfaktoren berücksichtigt.

Offene Herausforderungen und zukünftige Richtungen

Trotz der bisherigen Fortschritte gibt es noch viele offene Herausforderungen in der OOD-Erkennung im VLM- und LVLM-Zeitalter. Zukünftige Forschung sollte sich auf die Verbesserung der Robustheit und Genauigkeit dieser Modelle konzentrieren, insbesondere in sicherheitskritischen Anwendungen wie dem autonomen Fahren und der medizinischen Bildanalyse.

Zusammenfassung

Diese Übersicht bietet einen umfassenden Überblick über die Entwicklung der OOD-Erkennung im VLM-Zeitalter und stellt die herausfordernden Aufgaben und zukünftigen Forschungsschwerpunkte dar. Unsere Erkenntnisse sollen die Zusammenarbeit zwischen den verschiedenen Forschungsgemeinschaften fördern und die Entwicklung robuster und zuverlässiger Machine-Learning-Systeme unterstützen.

Bibliography:

1. http://arxiv.org/abs/2407.21794
2. https://github.com/AtsuMiyai/Awesome-OOD-VLM
3. https://arxiv.org/html/2407.21794v1
4. https://chatpaper.com/chatpaper/de/paper/43775
5. https://synthical.com/article/Generalized-Out-of-Distribution-Detection-and-Beyond-in-Vision-Language-Model-Era%3A-A-Survey-b120f831-020f-493d-bb90-f8fdbed517af?
6. https://atsumiyai.github.io/
7. https://www.researchgate.net/publication/381652076_Generalized_Out-of-Distribution_Detection_A_Survey
8. https://arxiv-sanity-lite.com/?rank=pid&pid=2407.21794
9. https://openreview.net/forum?id=nYjSkOy8ij
10. https://arxiv-sanity-lite.com/?rank=pid&pid=2211.13445