何が起きたか：新しいOOD検出手法「PWLR」
画像分類の世界では、学習済みではない未知のデータ（OOD）を正確に見つけ出すことが常に大きな課題でした。特に、既知の分類（ID）の境界線に非常に近いOODサンプルは、誤って既知の分類と判断されてしまうことがよくあります。このたび、「Pairwise Witness Local Rejection（PWLR）」という新しいやり方が発表されました。これは、視覚と言語を組み合わせたモデルを使い、この難しいOOD検出の精度を大きく高めるものです。
従来の課題と新しい考え方
これまでの視覚と言語を組み合わせた検出器は、クラスの意味を理解したり、部分的な情報を使ったり、大規模言語モデル（LLM）で異常な考え方を生み出したりして、OOD検出の改善を図ってきました。しかし、混同しやすい既知の分類同士の間に、言語を明確な境界線の証拠として使うことはあまりありませんでした。PWLRは、この点に着目します。特定の既知の分類と、それと競合する別の既知の分類との間で、どちらを支持するかを示す視覚的な部分的な手がかりを言語で表現します。この考え方が、検出の精度を飛躍的に向上させます。
PWLRの仕組み：部分的な手がかりの活用
PWLRの仕組みは大きく三つの段階に分かれます。まず、多モーダル大規模言語モデル（MLLM）を使い、オフラインで、ある既知の分類が特定の競合分類よりも優れていることを示す視覚的な部分的な手がかりを言葉で記述します。次に、これらの手がかりとなる言葉は、凍結された視覚言語の基盤の下で、既知の分類の情報のみを使って選び出されます。これにより、信頼できる部分的な確認方法だけが残ります。最後に、判断時には、まず全体として適切な少数の分類を絞り込みます。その後、その分類が最も関連性の高い競合相手に対して部分的に裏付けられるかを確認し、この組み合わせごとの部分的な証拠を、全体的な分類の点数と組み合わせて最終的な判断を下します。
実験結果と今後の展望
PWLRは、ImageNet-100の遠いOOD、より明確で難しいOOD、そして境界線に近いOODといった様々なベンチマークで実験されました。その結果、このやり方は、複数の基盤において、既存の強力な視覚と言語を組み合わせた基本的な手法よりも一貫して性能を向上させることが示されました。これは、OOD検出の分野に大きな進歩をもたらすものです。今後、この技術のソースコードが公開される予定です。これにより、さらに多くの研究者や開発者がこの新しいやり方を活用し、様々な応用分野での活用が進むことが期待されます。
PR
文賢 →
OOD検出はAIの信頼性に関わる最重要課題です。境界線を見極める言語活用は、まさに人間がやっていることです。この手法は、AIがより賢く判断するための一次情報を取りに行くやり方です。私もすぐに試して、自社のプロダクトに組み込みます。
