关键词out-of-distribution testing
搜索结果 - 3
- 基于分布感知的公平性测试生成
该研究提出了一种称为 DistroFair 的分布感知公平性测试方法,通过组合分布感知图像变异、无分布测试和语义保留图像变异等方法,系统地揭示了图像分类器中的类级公平性违规,并通过评估结果表明,DistroFair 比传统方法更加有效。
- ICLR数据增强价值的探究:关于规模定律、不变性和隐式正则化的调查
本文旨在研究数据扩展的机制,通过评估增强数据与额外真实数据之间的交换率发现,多样而不一致的增强数据可以比额外的训练数据更有价值,在小和中型训练集上,鼓励不变性的数据扩展可以比不变性本身更有价值,并证明了增强数据在训练过程中引入额外的随机性, - 关于外部分布测试价值的讨论:好哈特定律的一个例证
这篇研究论文探讨了视觉问答的 OOD 基准测试(VQA-CP)目前存在的问题,指出了现有方法的局限性以及可能带来的负面影响,并提出了一些简单的解决方案,以更准确地评估模型的泛化能力。