Buchumschlag

Perturbations in the Orthogonal Complement Subspace for Efficient Out-of-Distribution Detection

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Huang, Zhexiao, He, Weihao, Deng, Shutao, Chen, Junzhe, Yuan, Chao, Wang, Hongxin, Zhou, Changsheng
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

DOS: Diverse Outlier Sampling for Out-of-Distribution Detection
von: Jiang, Wenyu, et al.
Veröffentlicht: (2023)

Activation Subspaces for Out-of-Distribution Detection
von: Zöngür, Barış, et al.
Veröffentlicht: (2025)

Powering Up Zeroth-Order Training via Subspace Gradient Orthogonalization
von: Lang, Yicheng, et al.
Veröffentlicht: (2026)

Efficient Orthogonal Fine-Tuning with Principal Subspace Adaptation
von: Wu, Fei, et al.
Veröffentlicht: (2025)

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

Revisiting Random Weight Perturbation for Efficiently Improving Generalization
von: Li, Tao, et al.
Veröffentlicht: (2024)

Pseudo-label Induced Subspace Representation Learning for Robust Out-of-Distribution Detection
von: Azad, Tarhib Al, et al.
Veröffentlicht: (2025)

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

Orthogonal Subspace Clustering: Enhancing High-Dimensional Data Analysis through Adaptive Dimensionality Reduction and Efficient Clustering
von: Wen, Qing-Yuan, et al.
Veröffentlicht: (2026)

Gradient Deconfliction via Orthogonal Projections onto Subspaces For Multi-task Learning
von: Zhu, Shijie, et al.
Veröffentlicht: (2025)

Privacy-Aware Video Anomaly Detection through Orthogonal Subspace Projection
von: Wang, Lei, et al.
Veröffentlicht: (2026)

Sharpness-Aware Geometric Defense for Robust Out-Of-Distribution Detection
von: Li, Jeng-Lin, et al.
Veröffentlicht: (2025)

Subspace Defense: Discarding Adversarial Perturbations by Learning a Subspace for Clean Signals
von: Zheng, Rui, et al.
Veröffentlicht: (2024)

Distribution-informed Efficient Conformal Prediction for Full Ranking
von: Liao, Wenbo, et al.
Veröffentlicht: (2026)

Perturb-and-Compare Approach for Detecting Out-of-Distribution Samples in Constrained Access Environments
von: Lee, Heeyoung, et al.
Veröffentlicht: (2024)

Beyond the Class Subspace: Teacher-Guided Training for Reliable Out-of-Distribution Detection in Single-Domain Models
von: Yang, Hong, et al.
Veröffentlicht: (2026)

Resultant: Incremental Effectiveness on Likelihood for Unsupervised Out-of-Distribution Detection
von: Li, Yewen, et al.
Veröffentlicht: (2024)

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

Prompt Optimization Meets Subspace Representation Learning for Few-shot Out-of-Distribution Detection
von: Sayem, Faizul Rakib, et al.
Veröffentlicht: (2025)

Projecting Out the Malice: A Global Subspace Approach to LLM Detoxification
von: Duan, Zenghao, et al.
Veröffentlicht: (2026)

Improving the Sensitivity of Backdoor Detectors via Class Subspace Orthogonalization
von: Yang, Guangmingmei, et al.
Veröffentlicht: (2025)

Robust Out-of-Distribution Stochastic Optimization
von: Li, Xianyu, et al.
Veröffentlicht: (2026)

GOODAT: Towards Test-time Graph Out-of-Distribution Detection
von: Wang, Luzhi, et al.
Veröffentlicht: (2024)

Out-of-Distribution Generalization of In-Context Learning: A Low-Dimensional Subspace Perspective
von: Kwon, Soo Min, et al.
Veröffentlicht: (2025)

Out-of-Distribution Detection: A Task-Oriented Survey of Recent Advances
von: Lu, Shuo, et al.
Veröffentlicht: (2024)

Unraveling LoRA Interference: Orthogonal Subspaces for Robust Model Merging
von: Zhang, Haobo, et al.
Veröffentlicht: (2025)

ProSub: Probabilistic Open-Set Semi-Supervised Learning with Subspace-Based Out-of-Distribution Detection
von: Wallin, Erik, et al.
Veröffentlicht: (2024)

GOLD: Graph Out-of-Distribution Detection via Implicit Adversarial Latent Generation
von: Wang, Danny, et al.
Veröffentlicht: (2025)

SUMO: Subspace-Aware Moment-Orthogonalization for Accelerating Memory-Efficient LLM Training
von: Refael, Yehonathan, et al.
Veröffentlicht: (2025)

OrthAlign: Orthogonal Subspace Decomposition for Non-Interfering Multi-Objective Alignment
von: Lin, Liang, et al.
Veröffentlicht: (2025)

Deep Network Trainability via Persistent Subspace Orthogonality
von: Massucco, Alex, et al.
Veröffentlicht: (2025)

Limit theorems of Chatterjee's rank correlation
von: Lin, Zhexiao, et al.
Veröffentlicht: (2022)

Variance reduction combining pre-experiment and in-experiment data
von: Lin, Zhexiao, et al.
Veröffentlicht: (2024)

HGOE: Hybrid External and Internal Graph Outlier Exposure for Graph Out-of-Distribution Detection
von: He, Junwei, et al.
Veröffentlicht: (2024)

Redundancy-Aware Test-Time Graph Out-of-Distribution Detection
von: Hou, Yue, et al.
Veröffentlicht: (2025)

Learning Multi-Manifold Embedding for Out-Of-Distribution Detection
von: Li, Jeng-Lin, et al.
Veröffentlicht: (2024)

Structural Entropy Guided Unsupervised Graph Out-Of-Distribution Detection
von: Hou, Yue, et al.
Veröffentlicht: (2025)

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

Uncertainty-Aware Out-of-Distribution Detection with Gaussian Processes
von: Chen, Yang, et al.
Veröffentlicht: (2024)

What Information Matters? Graph Out-of-Distribution Detection via Tri-Component Information Decomposition
von: Wang, Danny, et al.
Veröffentlicht: (2026)