← नवीनतम पेपर
🤖 AI

Divide and Conquer: Object Co-occurrence Helps Mitigate Simplicity Bias in OOD Detection

यह शोध पत्र एक ऑब्जेक्ट-सेंट्रिक ओओडी (OOD) डिटेक्शन फ्रेमवर्क (OCO) प्रस्तावित करता है जो डिसेंटैंगल्ड रिप्रेजेंटेशन्स और सिमेंटिक कॉन्टेक्स्टुअल रिलेशनशिप के माध्यम से ऑब्जेक्ट को-अकरेंस पैटर्न का लाभ उठाकर डिटेक्शन टास्क को एडेप्टिवली डिवाइड एंड कॉंकर करने द्वारा नियर-ओओडी (near-OOD) डिटेक्शन में सिम्प्लिसिटी बायस को कम करता है।

मूल लेखक: Boyang Dai, Chaoqi Chen, Yizhou Yu

प्रकाशित 2026-05-11
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Boyang Dai, Chaoqi Chen, Yizhou Yu

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ "Divide and Conquer: Object Co-occurrence Helps Mitigate Simplicity Bias in OOD Detection" पेपर का सरल भाषा और उपमाओं (analogies) के साथ विवरण दिया गया है।

बड़ी समस्या: "आलसी" AI

कल्प Imagine कीजिए कि आप एक बच्चे को जानवरों को पहचानना सिखा रहे हैं। आप उसे घास पर कुत्तों, सोफे पर बिल्लियों और समुद्र में शार्क की तस्वीरें दिखाते हैं। बच्चा जल्दी सीख जाता है, लेकिन उसमें एक "आलसी आदत" विकसित हो जाती है (जिसे पेपर में Simplicity Bias कहा गया है)।

यदि आप बच्चे को समुद्र में तैरते हुए एक कुत्ते की तस्वीर दिखाते हैं, तो बच्चा कह सकता है, "यह एक कुत्ता है!" क्योंकि उसने केवल कुत्ते के चेहरे पर ध्यान दिया और इस बात को नजरअंदाज कर दिया कि कुत्ते आमतौर पर समुद्र में नहीं तैरते। उसने संदर्भ (context) को मिस कर दिया।

AI की दुनिया में, यह एक बड़ी समस्या है जिसे Out-of-Distribution (OOD) detection कहा जाता है। AI मॉडल उन चीजों को पहचानने में बहुत अच्छे होते हैं जो उन्होंने पहले देखी हैं (In-Distribution), लेकिन जब वे कुछ अजीब देखते हैं—जैसे समुद्र में कुत्ता—तो वे अक्सर बहुत अधिक आत्मविश्वासी हो जाते हैं और कहते हैं, "मैं इसे जानता हूँ!" जबकि वास्तव में वे नहीं जानते। वे छवि के सबसे आसान हिस्सों (कुत्ते) पर ध्यान केंद्रित करते हैं और अजीब हिस्सों (समुद्र) को अनदेखा कर देते हैं।

समाधान: "जासूसों की टीम" (OCO)

लेखकों ने एक नई विधि प्रस्तावित की है जिसे OCO (Object Co-occurrence) कहा जाता है। पूरी तस्वीर को एक बड़े ढेर के रूप में देखने के बजाय, OCO छवि को छोटे जासूसों की एक टीम (जिन्हें Slots कहा जाता है) में तोड़ देता है।

एक छवि को एक पहेली (puzzle) की तरह समझें।

  • पुराना AI: पूरी पहेली को देखता है और सबसे बड़े टुकड़े के आधार पर तस्वीर का अनुमान लगाता है।
  • OCO: जासूसों की एक टीम भेजता है। जासूस A कुत्ते को खोजता है, जासूस B पानी को खोजता है, जासूस C शार्क को खोजता है।

प्रत्येक जासूस वापस रिपोर्ट करता है कि उसने क्या देखा।

  • यदि जासूस A कहता है "कुत्ता" और जासूस B कहता है "घास", तो टीम सहमत होती है: "ठीक है, यह एक सामान्य दृश्य है।"
  • यदि जासूस A कहता "कुत्ता" और जासूस B कहता "समुद्र", तो टीम भ्रमित हो जाती है। उन्हें एहसास होता है, "रुको, कुत्ते समुद्र में नहीं होते। यह अजीब है!"

यह कैसे काम करता है: "विभाजित करो और जीतो" (Divide and Conquer) की रणनीति

पेपर सुझाव देता है कि सभी "अजीब" तस्वीरें एक ही तरह से अजीब नहीं होती हैं। इसलिए, OCO उन्हें तीन समूहों में बांटता है और प्रत्येक समूह को अलग तरह से संभालता है:

  1. "सिंगल" समूह (S1):

    • परिदृश्य: छवि में केवल एक प्रकार की वस्तु है (जैसे, केवल एक बिल्ली)।
    • ट्रिक: कभी-कभी AI यहाँ बहुत अधिक आत्मविश्वासी हो जाता है। OCO एक विशेष "कैलिब्रेशन" का उपयोग करता है ताकि यह सुनिश्चित हो सके कि AI बहुत ज्यादा उत्साहित न हो जाए। यह पूछता है, "क्या आप वाकई पक्का हैं, या आप सिर्फ अनुमान लगा रहे हैं?"

  2. "टिपिकल" (सामान्य) समूह (S2):

    • परिदृश्य: छवि में कई ऐसी वस्तुएं हैं जो आमतौर पर एक साथ आती हैं (जैसे, एक कुत्ता और एक गेंद)।
    • ट्रिक: यह सबसे कठिन समूह है क्योंकि यह सामान्य दिखता है, लेकिन यह एक "नियर-मिस" (जैसे, एक कुत्ता जो भेड़िये जैसा दिखता है) हो सकता है। OCO एक गणितीय उपकरण का उपयोग करता है जिसे Dempster-Shafer Theory कहा जाता है। इसे एक "संघर्ष डिटेक्टर" (conflict detector) के रूप में समझें। यदि जासूस आपस में बहस कर रहे हैं (एक कहता है "कुत्ता", दूसरा कहता है "भेड़िया"), तो सिस्टम समझ जाता है कि अनिश्चितता है और इसे संभावित रूप से संदिग्ध के रूप में चिह्नित करता है।

  3. "अटिपिकल" (असामान्य) समूह (S3):

    • परिदृश्य: छवि में ऐसी वस्तुएं हैं जो कभी भी एक साथ नहीं आतीं (जैसे, एक पेंगुइन और एक ऊँट)।
    • ट्रिक: इसे पहचानना सबसे आसान है। AI एक ऐसा संयोजन देखता है जो उसने अपने प्रशिक्षण डेटा में कभी नहीं देखा। वह तुरंत कहता है, "यह समझ में नहीं आता! यह एक आउटलायर (outlier) है!"

यह बेहतर क्यों है

पेपर ने इस विधि का परीक्षण कई अलग-अलग प्रकार के कठिन चित्रों पर किया।

  • परिणाम: OCO पिछले तरीकों की तुलना में "अजीब" तस्वीरों को पहचानने में बहुत बेहतर था।
  • उपमा: यदि पारंपरिक AI एक पर्यटक की तरह है जो केवल मुख्य लैंडमार्क को देखता है और आसपास के परिवेश को मिस कर देता है, तो OCO एक स्थानीय गाइड की तरह है जो जानता है कि "आप रेगिस्तान में पेंगुइन नहीं देखते।"

पर्दे के पीछे का "जादू"

इसे काम करने के लिए, AI Slot Attention नामक तकनीक का उपयोग करता है। कल्पना कीजिए कि आपके पास 6 खाली स्लॉट वाला एक बाल्टी है। जब आप AI को एक तस्वीर दिखाते हैं, तो वह उन 6 स्लॉट को मिलने वाली सबसे महत्वपूर्ण "वस्तुओं" से भरने की कोशिश करता है।

  • पेपर ने पाया कि यदि आपके पास बहुत कम स्लॉट हैं, तो आप विवरण मिस कर देते हैं।
  • यदि आपके पास बहुत अधिक हैं, तो AI भ्रमित हो जाता है और एक वस्तु को टुकड़ों में विभाजित कर देता है।
  • उन्होंने एक "स्वीट स्पॉट" (लग लगभग 6 स्लॉट) पाया जहाँ AI सबसे अच्छा काम करता है।

सारांश

पेपर का तर्क है कि AI को सुरक्षित और स्मार्ट बनाने के लिए, हमें केवल उससे यह नहीं पूछना चाहिए कि "यह क्या है?" बल्कि हमें यह पूछना चाहिए, "इस तस्वीर में क्या चीजें हैं, और क्या वे एक साथ सही लगती हैं?" छवि को भागों में तोड़ने और यह जांचने से कि क्या वे भाग एक साथ सही अर्थ रखते हैं, AI "आलसी" होना बंद कर सकता है और उन अजीब चीजों पर ध्यान देना शुरू कर सकता है जो आमतौर पर उसे धोखा देती हैं।

मुख्य निष्कर्ष: AI को केवल वस्तुओं (जैसे कुत्ता और समुद्र) के बजाय वस्तुओं के संबंधों को देखना सिखाकर, हम उन गलतियों को पकड़ सकते हैं जिन्हें अन्य AI मॉडल मिस कर देते हैं।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 🤖 cs.AI →