Our OOD detection framework, MOODv2, employs the masked image modeling pretext task. Without bells and whistles, MOODv2 impressively enhances 14.30% AUROC to 95.68% on ImageNet and achieves 99.98% on CIFAR-10.

2023年4月17日 · We introduce OOD-CV-v2, a benchmark dataset that includes out-of-distribution examples of 10 object categories in terms of pose, shape, texture, context and the weather conditions, and enables benchmarking of models for image classification, object detection, and 3D pose estimation.

提出了广义ood检测v2框架，总结了vlm时代五个相关领域（异常检测、新颖性检测、开放集识别、ood检测和离群检测）的演变。 揭示了vlm时代的主要挑战是ood检测和异常检测。 方法与技术： 详细介绍了基于clip的ood检测和异常检测的方法，包括零样本和小样本设置。

2024年7月31日 · In this survey, we first present a generalized OOD detection v2, encapsulating the evolution of AD, ND, OSR, OOD detection, and OD in the VLM era. Our framework reveals that, with some field inactivity and integration, the demanding challenges have become OOD detection and AD.

OOD detection 指的是模型能够检测出 OOD 样本，而 OOD 样本是相对于 In Distribution (ID) 样本来说的。传统的机器学习方法通常的假设是模型训练和测试的数据是独立同分布的(IID, Independent Identical Distribution)，这里训练和测试的数据都可以说是In Distribution(ID)。

2024年5月27日 · To establish a foundation for more realistic Multimodal OOD Detection, we introduce the first-of-its-kind benchmark, MultiOOD, characterized by diverse dataset sizes and varying modality combinations.

对于OoD情况，文章把不同的OoD分为了几个不同的问题：input shift和output shift，输入移位表示预训练数据和下游测试数据分布完全不同；输出移位表示两个数据集标签有差异，简单讲就是在测试中会出现一些新的类别。

25 Sept, 2023: OpenOOD now supports OOD detection with foundation models including zero-shot CLIP and DINOv2 linear probe. Check out the example evaluation script here . 16 June, 2023 : 💥💥 We are releasing OpenOOD v1.5 , which includes the following exciting updates.

We present a generalized OOD detection v2, encapsulating the evolution of Anomaly Detection (AD), Novelty Detection (ND), Open-set Recognition (OSR), Out-of-distribution (OOD) detection, and Outlier Detection (OD) in the VLM era.

2023年4月18日 · OOD-CV-v2数据集是由爱丁堡大学等机构的研究人员创建，旨在评估视觉算法在真实世界场景中的鲁棒性。 该数据集包含10个对象类别的分布外示例，涉及姿态、形状、纹理、上下文和天气条件的变化，支持图像分类、物体检测和3D姿态估计等多种视觉任务的模型基准测试。 数据集通过互联网搜索和手动筛选收集，确保每个分布外数据样本仅在一个干扰因素上与训练数据不同，而其他因素保持相似。 此外，数据集还增加了遮挡作为新的干扰因素，通过超现实遮 …