鲁棒性与安全 / CVPR2026
注意你选择负文本的方式:在视觉语言模型的 OOD 检测中追求距离一致性
Mind the Way You Select Negative Texts: Pursuing the Distance Consistency in OOD Detection with VLMs
对做开放世界视觉识别的人,这篇给出了一个可直接复用的思路:用 CLIP 原生优化的跨模态距离(而非模态内距离)来挑选负文本并反演高置信 OOD 图像生成额外负文本嵌入,可作为即插即用的 OOD 打分与负样本构造模块。
分布外检测视觉语言模型跨模态对齐