PWLR：用于边界感知分布外检测的成对见证局部拒绝

对于图像分类器来说，分布外 (OOD) 检测仍然具有挑战性，尤其是当近 OOD 样本靠近分布内 (ID) 类边界时。最近的视觉语言检测器通过类语义、本地提示或 LLM 生成的异常值概念来改进 OOD 检测，但很少使用语言作为令人困惑的 ID 类之间的明确边界证据。我们提出了配对见证局部拒绝 (PWLR)，它使用离线 MLLM 来描述有利于某个 ID 类别而不是特定竞争类别的可见局部线索。然后，这些提示短语会在冻结的视觉语言主干下使用仅 ID 数据进行筛选，以便仅保留可靠的本地验证者。在推理时，PWLR 首先保留一小组全局合理的类，然后检查它们中的任何一个是否在本地支持其最相关的竞争对手，最后通过校准将这种成对的本地证据与全局类分数结合起来。在 ImageNet-100 远 OOD、更干净/具有挑战性的 OOD 和近 OOD 基准上进行的实验表明，PWLR 持续改进跨多个骨干网的强大视觉语言基线。源代码将被发布。