ملخص تقني: فرق تسد: التواجد المشترك للأجسام يساعد في التخفيف من انحياز البساطة في كشف خروج التوزيع (OOD)

بيان المشكلة

على الرغم من النجاح الملحوظ الذي حققته نماذج التعلم العميق في البيانات الموزعة داخلياً (ID)، إلا أنها تعاني من ضعف الموثوقية عند مواجهة تحولات في التوزيع، لا سيما في كشف خروج التوزيع (OOD). تعتمد الطرق الحالية بشكل أساسي على التمثيلات الكامنة المتشابكة، أو مخرجات اللوجيت (logit)، أو مزيج منهما. وبينما تكون هذه الطرق فعالة في سيناريوهات "الـ OOD البعيد" (far-OOD) التي تتسم بتحولات جذرية في التوزيع، إلا أنها غالباً ما تفشل في حالات "الـ OOD القريب" (near-OOD) حيث توجد انحرافات دلالية دقيقة.

تتمثل العقبة الجوهرية المحددة في انحياز البساطة (simplicity bias) المتأصل في الشبكات العميقة. فعند معالجة التمثيلات المتشابكة، تميل النماذج إلى إعطاء الأولوية للملامح المحلية سهلة التعلم (مثل أنسجة أو أشكال أجسام معينة) مع إغفال العلاقات الدلالية المعقدة والتناقضات السياقية الضرورية لفهم المشهد. على سبيل المثال، قد يصنف نموذج ما صورة تحتوي على كلب في المحيط بثقة على أنها "كلب" (ID) لأنه يركز على سمات الكلب، متجاهلاً عدم التوافق الدلالي لوجود كلب مع قرش (OOD) في ذلك السياق. يؤدي هذا إلى تنبؤات مفرطة الثقة في العينات الشاذة.

المنهجية: إطار عمل OCO

يقترح المؤلفون إطار عمل OCO (كشف خروج التوزيع القائم على الأجسام)، وهو مصمم للتخفيف من انحياز البساطة عبر الاستفادة من أنماط التواجد المشترك للأجسام (OCO). يعمل المنهج على فرضية أن الأنظمة البصرية البشرية تستخدم علاقات الأجسام داخل المشاهد لفهم السياق، ويجب على الآلات أيضاً تفكيك الصور إلى تركيبات أجسام متميزة.

1. التمثيل القائم على الأجسام عبر انتباه الفتحات (Slot Attention)

يستخدم إطار العمل انتباه الفتحات (SA) لتحويل خرائط السمات المتشابكة إلى مجموعة من $K$ من "الفتحات" (slots) المنفصلة. يُفترض أن كل فتحة تلتقط جسماً متميزاً أو جزءاً من جسم.

• التدريب: يتم تدريب مصنف على هذه الفتحات للتنبؤ بتسميات الفئات. ولضمان التقاط الفتحات لسمات الأجسام ذات المعنى بدلاً من مجرد أجزاء عشوائية، تم إدخال خسارة إعادة بناء مساعدة ($L_{aux}$) إلى جانب خسارة التصنيف القياسية ($L_{ce}$). هذا يجبر الفتحات على إعادة بناء السمات المتشابكة الأصلية، مما يضمن تحديداً قوياً لمواقع الأجسام.
• اكتشاف الأنماط: أثناء التدريب، يقوم النظام بتجميع التنبؤات على مستوى الفتحات لتحديد تكوينات التواجد المشترك. وهو يميز بين تكوينات الفئة الواحدة (تتفق جميع الفتحات على فئة واحدة) وتكوينات الفئات المتعددة (رصد فئات متميزة متعددة). يتم بناء مجموعة من مجموعات تردد الفئات المتعددة الصالحة ($F_{train}$) من بيانات التدريب (ID) لتمثيل سياقات المشاهد النموذجية.

2. استراتيجية "فرق تسد" (Divide-and-Conquer)

في وقت الاختبار، يقوم إطار عمل OCO بتحليل نمط التواجد المشترك لعينة الاختبار ($F_t$) ويصنفها تكيفياً إلى أحد ثلاثة سيناريوهات، مطبقاً درجة كشف محددة لكل منها:

• السيناريو 1 (S1): الأنماط الأحادية (Single Patterns)

  • الشرط: تتنبأ جميع الفتحات بنفس الفئة ($|F_t| = 1$).
  • التحدي: خطر مرتفع لفرط الثقة (انحياز البساطة).
  • الحل: معايرة الثقة المزدوجة. تجمع الدرجة ($S_{single}$) بين ثقة مستوى المشهد (التنبؤ المجمع) وثقة مستوى الجسم (الحد الأقصى للاتفاق بين الفتحات) للتخفيف من المبالغة في التقدير.

• السيناريو 2 (S2): الأنماط النموذجية (Typical Patterns)

  • الشرط: تطابق أنماط الأجسام المتعددة تلك الملاحظة في التدريب ($|F_t| \ge 2$ و $F_t \in F_{train}$).
  • التحدي: غموض عالٍ، خاصة في حالات الـ near-OOD حيث تتواجد الأجسام معاً بطرق معروفة ولكن الجمع المحدد بينها قد يكون شاذًا.
  • الحل: التسجيل الواعي باليقين (نظرية دمبستر-شيفر). تحسب الطريقة التناقضات في الاعتقاد بين الفئة المهيمنة والفئات الأخرى المتنبأ بها. وهي تميز بين "احتمالية النمط" (التواجد المشترك المتوقع) و"الأدلة الغامضة" (عدم اليقين بشأن أي فئة ID محددة تنطبق)، مما يعمل بفعالية على نمذجة الأدلة المتضاربة لكشف الانحرافات الدقيقة.

• السيناريو 3 (S3): الأنماط غير النموذجية (Atypical Patterns)

  • الشرط: لا تطابق أنماط الأجسام المتعددة ملاحظات التدريب ($|F_t| \ge 2$ و $F_t \notin F_{train}$).
  • التحدي: تركيبات غير مرئية وغير منطقية (مثل بطريق وجمل).
  • الحل: ثقة مستوى الجسم. بما أن النمط نفسه شاذ، تعتمد الطريقة على أعلى ثقة تنبؤ للفتحة ($S_{unrel}$) لقياس الشذوذ مباشرة.

المساهمات الرئيسية

1. إطار عمل مبتكر: تقديم OCO، وهو إطار عمل قائم على الأجسام يستفيد من أنماط التواجد المشترك للأجسام لتعلم العلاقات الدلالية المعقدة بين المشهد والجسم، مما يعالج مباشرة انحياز البماء.
2. التقسيم والتسخير التكيفي: على عكس الطرق التي تستخدم درجة OOD موحدة، يقوم OCO بتصنيف عينات الاختبار تكيفياً إلى ثلاث مجموعات متميزة بناءً على أنماط التواجد المشترك الخاصة بها، ويخصص درجات كشف مخصصة لكل منها، مدركاً أن أنواعاً مختلفة من الشذوذ تتطلب استراتيجيات كشف مختلفة.
3. أداء قوي: إثبات أن OCO يحقق أداءً تنافسياً ضد الخطوط المرجعية المتطورة في كل من اختبارات near-OOD الصعبة وبيئات الـ FS-OOD (الطيف الكامل)، مما يعالج بفعالية كل من التحولات الدلالية (near-OOD) وتحولات المتغيرات المرافقة (covariate shifts).

النتائج التجريبية

قيم المؤلفون OCO على معيار OpenOOD باستخدام ImageNet-1k كبيانات ID.

• الخطوط المرجعية: تمت المقارنة مع 9 خطوط مرجعية تشمل Energy و MaxLogit و SHE و OODD وغيرها.
• النماذج الأساسية (Backbones): أُجريت التجارب باستخدام كل من ViT الخاضع للإشراف وDINOv2 ذاتي الإشراف.
• الأداء:
  • كشف OOD: تفوق OCO باستمرار على الخطوط المرجعية. وفي مجموعة بيانات SSB-hard (near-OOD) الصعبة، حقق تحسينات كبيرة في AUROC مقارنة بالمركز الثاني (OODD).
  • كشف FS-OOD: في تقييمات الطيف الكامل (بما في ذلك تحولات المتغيرات المرافقة مثل ImageNet-v2/c/r)، أظهر OCO تعميماً فائقاً، لا سيما في مجموعة بيانات SSB-hard حيث واجهت الطرق الأخرى صعوبة.
  • دراسات الاستئصال (Ablation Studies): أكدت النتائج ضرورة خسارة إعادة البناء ($L_{aux}$) لفك تشابك الفتحات بفعالية، وتفوق التسجيل الخاص بكل سيناريو على التسجيل الموحد.
  • عدد الفتحات (Slot Count): بلغ الأداء ذروته عند $K=6$ فتحة؛ حيث أدى عدد أقل من الفتحات إلى نقص في التجزئة (under-segmentation)، بينما تسبب العدد الزائد في فرط التجزئة (over-segmentation) وتدهور الأداء.

الأهمية والادعاءات

يزعم البحث أن الفجوة بين الإدراك البشري والآلي في كشف OOD تنبع من ميل الآلة للتركيز على الملامح المحلية البسيطة. ومن خلال محاكاة اعتماد البشر على علاقات الأجسام، ينجح OCO في التخفيف من هذا الانحياز.

يؤكد المؤلفون أن نهجهم يوفر نموذجاً جديداً لكشف OOD ينتقل من مجرد التمييز بين الملامح البسيطة إلى الفهم السياقي الدلالي. تسمح استراتيجية "فرق تسد" للنموذج بالتعامل مع طيف تحديات OOD — من التحولات الدلالية الدقيقة (near-OOD) إلى حالات الـ far-OOD الواضحة — بشكل أكثر فعالية من النهج الموحد. يوصف المنهج بأنه بسيط، وقابل للتوسع، وواعد للتطبيقات في العالم الحقيقي حيث تكون الموثوقية تحت تحولات التوزيع أمراً بالغ الأهمية. كما يشير المؤلفون إلى أن المحاذاة الإحصائية بين أنماط التواجد المشترك المتنبأ بها وتسلسلات Wordnet تؤكد قدرة النموذج على تعلم علاقات دلالية ذات معنى.