TOOD: 지속 학습자를 위한 작업 인식 분포 외 (OOD) 점수 보정

요약

지속 학습(CL) 시스템에서 발생하는 OOD 망각(OOD Forgetting) 현상을 분석하고, 이를 해결하기 위한 TOOD 기법을 제안합니다. 에너지 기반 및 특징 기반 탐지기에서 나타나는 성능 저하 원인을 규명하고, 사후 처리 방식으로 점수를 재보정하여 OOD 탐지 성능을 크게 향상시켰습니다.

핵심 포인트

• 지속 학습 중 발생하는 OOD 성능 저하(OODF)의 메커니즘 규명
• 에너지 기반 탐지기의 로짓 스케일 감소(Confidence Gap) 현상 발견
• 특징 기반 탐지기의 매니폴드 혼잡(Manifold Crowding) 효과 확인
• 훈련이 필요 없는 사후 처리 방식인 TOOD 제안
• CIFAR 및 ImageNet-1K 실험을 통해 OOD 탐지 성능 입증