Краткое содержание

arXiv:2511.13539v1 Тип объявления: cross Аннотация: Обнаружение примеров из несвязанных распределений (OOD) критически важно для развертывания классификаторов изображений в средах, чувствительных к безопасности, однако существующие детекторы часто оказываются несостоятельными, когда OOD-примеры семантически близки к классам исходного распределения (ID). Мы представляем BootOOD, полностью самообучаемую структуру для OOD-обнаружения, которая инициализируется исключительно на ID-данных и явно предназначена для работы со семантически сложными OOD-примерами. BootOOD синтезирует псевдо-OOD-признаки с помощью простых преобразований ID-представлений и использует Нейронный Коллапс (NC), при котором ID-признаки тесно группируются вокруг средних значений классов с согласованными нормами признаков. В отличие от предыдущих подходов, которые стремились ограничить OOD-признаки в подпространствах, ортогональных коллапсированным ID-средним, BootOOD вводит облегченную вспомогательную голову, которая выполняет классификацию на основе норм признаков. Эта конструкция отделяет OOD-обнаружение от основного классификатора и накладывает ослабленное требование: OO