技术摘要：超越单纯形：面向评分器无关型开集识别的平衡原型几何

问题陈述

开集识别（OSR）要求分类器能够识别已知训练类别的样本，同时拒绝来自未知类别的输入。这种能力在医疗成像等安全至上的领域至关重要，因为将新颖病理误诊为已知类别可能会导致严重后果。虽然最近的方法（如深度单纯形分类器 DSC 和不确定性感知深度单纯形分类器 UCDSC）通过将类别原型固定在正规单纯形的顶点上取得了实证成功，但它们缺乏严密的理论证明。现有的分析局限于嵌入维度 $d \ge C-1$（即存在 $C$ 个类别的正规单纯形的维度），并且未能解释距离比值评分机制在 $d < C-1$ 或原型偏离完美单纯形时的行为。

方法论

本文开发了一个统一的单纯形比例 OSR 理论框架，该框架超越了正规单纯形范畴，扩展到任意嵌入维度和原型配置。

理论框架：

1. 原型假设的层级结构： 作者引入了一个从最弱（A1：不同原型）到最强（A1''：正规单纯形）的假设层级。
   • A1： 原型是不同的。
   • A1'（平衡等范数码）： 原型具有相等的范数（$\|s_j\| = R$）且总和为零（$\sum s_j = 0$）。这类原型在所有 $d \ge 2$ 的情况下都存在。
   • A1''： 原型构成正规单纯形（等角紧框架），要求 $d \ge C-1$。
2. 评分机制： 分析侧重于操作性距离比值分数 $U(z) = d_{\min}(z) / \mu(z)$，其中 $d_{\min}$ 是到最近原型的距离，$\mu$ 是到竞争原型的平均距离。为了几何上的可处理性，作者引入了一个辅助平方分数 $U^2(z)$，在平衡等范数条件下，该分数具有闭式描述。
3. 几何分析： 核心方法论涉及对这些分数的下水平集（接受区域）进行特征化。作者证明，对于平衡等范数码， $U^2$ 的接受区域是围绕原型方向的欧几里得球的精确并集。

核心贡献

1. 通用 Lipschitz 分析与球控制 (第 4 节)
对于任何不同的原型（不带单纯形假设），论文证明了操作分数 $U$ 是全局 Lipschitz 连续的，其常数为 $4/\Delta$（其中 $\Delta$ 是最小原型间距）。此外，证明了接受区域 $\{U \le \theta\}$ 是紧凑集合，被中心位于原型处的内球和外球并集严格夹在其中。

2. 平衡码的精确 $U^2$ 几何 (第 5 节)
在平衡等范数条件（A1'）下，作者将辅助分数 $U^2$ 的下水平集表征为最多 $C$ 个具有显式中心和半径的闭欧几里得球的精确并集。这种几何结构在所有 $d \ge 2$ 的情况下都成立，包括 $d < C-1$ 的情形。操作接受区域 $\{U \le \theta\}$ 被证明夹在由 $U^2$ 推导出的相应球并集之间。

3. 锐利二分性与缺陷参数 (第 5.1 节)
论文引入了“单纯形缺陷参数” $\lambda_j = \sqrt{B_j/A_j}$，用于衡量竞争距离的相等程度。论文证明了一个锐利的二分性：当且仅当 $d \ge C-1$ 时，对于所有 $j$，$\lambda_j = 1$ 成立，这意味着原型构成正规单纯形。在低于此阈值时，论文提供了受 $\lambda_j$ 控制的 $U$ 与 $\sqrt{U^2}$ 之间的局部等价界限，量化了当无法形成完美单纯形时几何结构的退化情况。

4. 低维构造 (第 5.2 节)
作者提供了一种在任何维度 $d \ge 2$ 下构建平衡等范数码的通用方法，即使用嵌入在 $\mathbb{R}^d$ 中的正规 $C$-边形（或多频率谐波框架）。这表明即使在正规单纯形不可能存在的低维情形下，其理论框架仍具有实质性内容。

5. 假接受率 (FAR) 界限 (第 6 节)
在未知特征各向同性的假设下，论文推导了关于 $d$ 指数级的 FAR 上界。具体而言，对于归一化的未知方向，FAR 被一个涉及球面帽和差异参数 $\delta_{cap}$ 的项所限制。这提供了理论保证：随着嵌入维度的增加，拒绝性能呈指数级提高。

6. UCDSC 损失分析 (第 7 节)
论文分析了 UCDSC 损失函数的三个组成部分。它表明，类内损失控制平均训练分数，离群值暴露项确保与辅助背景样本的分离，而不确定性感知项（$L_u$）则提供了一个局部负梯度机制，该机制结合了对最近原型的吸引作用与对平均非最近距离的增加。

7. 实际推论与估计 (第 8 节)
作者推导了用于阈值选择的闭式指导，以保证目标已知类召回率。他们还提出了一个数据驱动的过程（算法 1），利用验证数据来估计分数尾部参数 $\sigma$ 和各向异性参数 $\delta_{cap}$，使这些理论阈值具有可操作性。

结果

理论结果：

• Lipschitz 稳定性： 分数 $U$ 是全局 Lipschitz 连续的，确保了输入微小扰动下分数的变化是有界的。
• 几何结构： 接受区域是紧凑的，并且可以被球并集紧密近似，即使在没有正规单纯形的情况下也是如此。
• 维度缩放： 在各向同性假设下，FAR 随嵌入维度 $d$ 指数级衰减。
• 相变： 在 $d = C-1$ 处存在关于单距离对称性（正规单纯形）存在的锐利转换，但核心拒绝几何（紧凑性、球并集）在低于此阈值时依然存在。

实证验证 (第 9 节)：
作者在 CIFAR 和 MedMNIST 基准测试上进行了评分器无关的实验，旨在测试其理论结构的有效性，而非声称达到了最先进的检测性能。

• 几何诊断： 经过原型训练的表示（单纯形和调和表示）成功展示了预测的平衡几何特性（接近零的重心、相等的范数）以及比标准交叉熵（CE）训练更低的成对距离变异性。
• 低于单纯形的情形： 在 $C=80$ 个类别且 $d=8$ 维（即 $d < C-1$）的极端情况下，调和构造产生了可用的表示，尽管其成对距离变异性较高且准确率低于 CE。从调和码初始化的学习原型恢复到了 CE 水平的准确率。
• 评分器性能： 原始比例分数（$U$ 和 $U^2$）的表现往往逊于在相同嵌入上使用的现代后验评分器（如 KNN、MSP、ODIN）。然而，在特定的医学数据集（PathMNIST）上，比例分数保持了竞争力。论文得出结论，虽然比例分数在分析上是可处理的，并能提供可证明的 FAR 界限，但它们在经验检测指标上未必优于基于 Logit 或最近邻的方法。

意义与主张

本文声称提供了第一个适用于所有嵌入维度的单纯形比例 OSR 理论说明，包括在实际相关的 $d < C-1$ 情形下。通过引入平衡等范数码，作者证明了单纯形方法的（紧凑接受区域、Lipschitz 稳定性以及指数级 FAR 衰减）核心几何保证并不严格依赖于正规单纯形的存在。

其意义在于：

1. 理论严密性： 为开集拒绝区域的几何提供了正式保证，解决了现有基于单纯形的方法中的“理论空白”。
2. 评分器无关的洞察： 将平衡原型几何构造成一种分析工具和表示学习先验，而非仅仅作为独立的检测器。论文明确指出，比例分数的作用是产生具有可证明界限的可处理几何结构，即使它们在经验检测指标上并不总是占优。
3. 实践指导： 提供了具体的、数据驱动的阈值选择和维度估计程序，架起了理论界限与操作实现之间的桥梁。

作者保持了谦逊的态度，承认其理论界限依赖于一些假设（例如亚高斯尾部、各向同性），这些假设在实践中可能并不完全成立，且经验性能高度依赖于特定评分规则和数据集的特征。