异常样本合成

面向多模态失败检测的自适应置信度正则化

Adaptive Confidence Regularization for Multimodal Failure Detection

为多模态视觉模型（如RGB+深度+光流的自动驾驶感知）提供了一种可复用的失败检测训练策略：用自适应置信度损失约束多模态预测置信度不低于单模态分支，并用特征交换合成失败样本作为难负例，可直接嵌入现有多模态融合框架提升拒识能力。