通过同时对已知类别进行分类并识别未知类别,将图像分类扩展到开放世界设置。尽管常规的OSR方法可以检测到分布(OOD)样本,但它们无法提供说明,表明哪些基本视觉属性(例如,形状,颜色或背景)导致特定样本未知。在这项工作中,我们介绍了一个新的问题设置,该设置将常规OSR推广到一个多属性设置,其中同时识别了多个视觉属性。在这里,不仅可以识别OOD样本,而且可以按其未知属性进行分类。我们提出了简单的常见OSR基线的扩展,以处理这种新颖的情况。我们表明,当培训数据集中存在虚假相关性时,这些基准很容易受到捷径。这导致了OOD性能差,根据我们的实验,这主要是由于预测的置信度得分的意外交叉分类相关性。我们提供了一个经验证据,表明这种行为在合成和现实世界数据集的不同基准之间是一致的。
translated by 谷歌翻译