Controlling Neural Collapse Enhances Out-of-Distribution Detection and Transfer Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Harun, Md Yousuf, Gallardo, Jhair, Kanan, Christopher
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

What Variables Affect Out-of-Distribution Generalization in Pretrained Models?
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2024)

GRASP: A Rehearsal Policy for Efficient Online Continual Learning
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2023)

A Good Start Matters: Enhancing Continual Learning with Data-Driven Weight Initialization
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2025)

Overcoming the Stability Gap in Continual Learning
von: Harun, Md Yousuf, et al.
Veröffentlicht: (2023)

Improving Multimodal Large Language Models Using Continual Learning
von: Srivastava, Shikhar, et al.
Veröffentlicht: (2024)

Detecting Out-of-Distribution Through the Lens of Neural Collapse
von: Liu, Litian, et al.
Veröffentlicht: (2023)

Unlocking ImageNet's Multi-Object Nature: Automated Large-Scale Multilabel Annotation
von: Chen, Junyu, et al.
Veröffentlicht: (2026)

Pursuing Feature Separation based on Neural Collapse for Out-of-Distribution Detection
von: Wu, Yingwen, et al.
Veröffentlicht: (2024)

Domain Feature Collapse: Implications for Out-of-Distribution Detection and Solutions
von: Yang, Hong, et al.
Veröffentlicht: (2025)

EPA: Neural Collapse Inspired Robust Out-of-Distribution Detector
von: Zhang, Jiawei, et al.
Veröffentlicht: (2024)

The Impact of Geometric Complexity on Neural Collapse in Transfer Learning
von: Munn, Michael, et al.
Veröffentlicht: (2024)

When Accuracy Is Not Enough: Uncertainty Collapse between Noisy Label Learning and Out-of-Distribution Detection
von: Peng, Ningkang, et al.
Veröffentlicht: (2026)

BootOOD: Self-Supervised Out-of-Distribution Detection via Synthetic Sample Exposure under Neural Collapse
von: Wang, Yuanchao, et al.
Veröffentlicht: (2025)

How Out-of-Distribution Detection Learning Theory Enhances Transformer: Learnability and Reliability
von: Zhou, Yijin, et al.
Veröffentlicht: (2024)

Criterion Collapse and Loss Distribution Control
von: Holland, Matthew J.
Veröffentlicht: (2024)

OccamNets: Mitigating Dataset Bias by Favoring Simpler Hypotheses
von: Shrestha, Robik, et al.
Veröffentlicht: (2022)

StutterFuse: Mitigating Modality Collapse in Stuttering Detection with Jaccard-Weighted Metric Learning and Gated Fusion
von: Singh, Guransh, et al.
Veröffentlicht: (2025)

Out-of-Distribution Detection for Continual Learning: Design Principles and Benchmarking
von: Gupta, Srishti, et al.
Veröffentlicht: (2025)

HALO: Robust Out-of-Distribution Detection via Joint Optimisation
von: Keenan, Hugo Lyons, et al.
Veröffentlicht: (2025)

On the Robustness of Neural Collapse and the Neural Collapse of Robustness
von: Su, Jingtong, et al.
Veröffentlicht: (2023)

Directional Neural Collapse Explains Few-Shot Transfer in Self-Supervised Learning
von: Luthra, Achleshwar, et al.
Veröffentlicht: (2026)

Are Bias Mitigation Techniques for Deep Learning Effective?
von: Shrestha, Robik, et al.
Veröffentlicht: (2021)

Out-of-Distribution Detection with Overlap Index
von: Fu, Hao, et al.
Veröffentlicht: (2024)

Kernel PCA for Out-of-Distribution Detection
von: Fang, Kun, et al.
Veröffentlicht: (2024)

Representation Norm Amplification for Out-of-Distribution Detection in Long-Tail Learning
von: Shin, Dong Geun, et al.
Veröffentlicht: (2024)

The Role, Trends, and Applications of Machine Learning in Undersea Communication: A Bangladesh Perspective
von: Islam, Yousuf, et al.
Veröffentlicht: (2025)

Learning with Mixture of Prototypes for Out-of-Distribution Detection
von: Lu, Haodong, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection on Graphs: A Survey
von: Cai, Tingyi, et al.
Veröffentlicht: (2025)

Disentangled Graph Prompting for Out-Of-Distribution Detection
von: Yang, Cheng, et al.
Veröffentlicht: (2026)

Out-of-Distribution Detection from Small Training Sets using Bayesian Neural Network Classifiers
von: Raina, Kevin, et al.
Veröffentlicht: (2025)

Rethinking Continual Learning with Progressive Neural Collapse
von: Wang, Zheng, et al.
Veröffentlicht: (2025)

Topology of Out-of-Distribution Examples in Deep Neural Networks
von: Datta, Esha, et al.
Veröffentlicht: (2025)

Learning Hyperspherical Time-Frequency Representations for Time-Series Out-of-Distribution Detection
von: Lunardi, Willian T., et al.
Veröffentlicht: (2026)

Out-of-Distribution Learning with Human Feedback
von: Bai, Haoyue, et al.
Veröffentlicht: (2024)

Rethinking Out-of-Distribution Detection for Reinforcement Learning: Advancing Methods for Evaluation and Detection
von: Nasvytis, Linas, et al.
Veröffentlicht: (2024)

When and How Does In-Distribution Label Help Out-of-Distribution Detection?
von: Du, Xuefeng, et al.
Veröffentlicht: (2024)

Seq-VCR: Preventing Collapse in Intermediate Transformer Representations for Enhanced Reasoning
von: Arefin, Md Rifat, et al.
Veröffentlicht: (2024)

Out-of-Distribution Detection Methods Answer the Wrong Questions
von: Li, Yucen Lily, et al.
Veröffentlicht: (2025)

Improving Out-of-Distribution Detection with Markov Logic Networks
von: Kirchheim, Konstantin, et al.
Veröffentlicht: (2025)

Optimal Parameter and Neuron Pruning for Out-of-Distribution Detection
von: Chen, Chao, et al.
Veröffentlicht: (2024)