ترجمه فارسی مقاله تشخیص خارج از توزیع تعمیم‌یافته و فراتر از آن در عصر مدل زبان بینایی: یک بررسی

چکیده

Detecting out-of-distribution (OOD) samples is crucial for ensuring the safety of machine learning systems and has shaped the field of OOD detection. Meanwhile, several other problems are closely related to OOD detection, including anomaly detection (AD), novelty detection (ND), open set recognition (OSR), and outlier detection (OD). To unify these problems, a generalized OOD detection framework was proposed, taxonomically categorizing these five problems. However, Vision Language Models (VLMs) such as CLIP have significantly changed the paradigm and blurred the boundaries between these fields, again confusing researchers. 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. In addition, we also highlight the significant shift in the definition, problem settings, and benchmarks; we thus feature a comprehensive review of the methodology for OOD detection, including the discussion over other related tasks to clarify their relationship to OOD detection. Finally, we explore the advancements in the emerging Large Vision Language Model (LVLM) era, such as GPT-4V. We conclude this survey with open challenges and future directions.

چکیده به فارسی (ترجمه ماشینی)

تشخیص نمونه های خارج از توزیع (OOD) برای اطمینان از ایمنی سیستم های یادگیری ماشین بسیار مهم است و زمینه تشخیص OOD را شکل داده است.در همین حال ، چندین مشکل دیگر با تشخیص OOD ارتباط نزدیکی دارند ، از جمله تشخیص ناهنجاری (AD) ، تشخیص جدید (ND) ، تشخیص مجموعه باز (OSR) و تشخیص دور (OD).برای متحد کردن این مشکلات ، یک چارچوب تشخیص عمومی OOD پیشنهاد شده است ، طبقه بندی این پنج مشکل طبقه بندی شده است.با این حال ، مدل های زبان بینایی (VLM) مانند کلیپ به طور قابل توجهی پارادایم را تغییر داده و مرزهای بین این زمینه ها را تار کرده اند ، و مجدداً محققان را گیج می کنند.در این نظرسنجی ، ما ابتدا یک تشخیص عمومی OOD V2 را ارائه می دهیم ، که تکامل AD ، ND ، OSR ، تشخیص OOD و OD را در دوران VLM محاصره می کند.چارچوب ما نشان می دهد که با برخی عدم فعالیت و ادغام میدانی ، چالش های خواستار به تشخیص و AD تبدیل شده است.علاوه بر این ، ما همچنین تغییر قابل توجه در تعریف ، تنظیمات مشکل و معیارها را برجسته می کنیم.بنابراین ما یک بررسی جامع از روش برای تشخیص OOD ، از جمله بحث در مورد سایر کارهای مرتبط برای روشن شدن رابطه آنها با تشخیص OOD ارائه می دهیم.سرانجام ، ما پیشرفت های موجود در دوره بزرگ نوظهور زبان بینایی (LVLM) ، مانند GPT-4V را بررسی می کنیم.ما این نظرسنجی را با چالش های باز و مسیرهای آینده نتیجه می گیریم.