TPAMI 2025 | W - DOE：基于 Wasserstein 分布无关的离群暴露方法（一）

论文信息

题目：W - DOE: Wasserstein Distribution - agnostic Outlier Exposure

W - DOE：基于 Wasserstein 分布无关的离群暴露方法

作者：Qizhou Wang, Bo Han, Yang Liu, Chen Gong, Tongliang Liu, Jiming Liu

论文创新点

1. 提出新的数据合成方法：论文提出了**隐式数据合成（IDS）**方法。该方法基于模型扰动可导致隐式数据转换这一新颖见解，通过扰动模型参数，使模型能从转换后的隐式数据中学习。
2. 设计新的学习框架：作者提出了**Wasserstein分布无关离群暴露（W - DOE）**这一系统的学习框架。通过定义以辅助OOD分布为中心的分布覆盖范围，采用最坏情况学习方案，以最坏情况OOD遗憾（WOR）来衡量性能&#x