두 위험의 동시 처리
알려진 표지 자료의 분류 오차와 잠재적인 미지 자료의 개방 공간 위험을 함께 줄이는 문제를 다룬다. 여러 클래스를 통합하는 관점에서 각 알려진 클래스에 대응하는 바깥 공간을 표현한다.
상호점과 여백 제약
상호점은 해당 클래스 밖의 공간으로부터 학습된다. 알려진 클래스 사이의 대립으로 분류 위험을 줄이고 상호점이 만드는 잠재 개방 공간에는 적대적 여백 제약을 적용한다.
혼동 표본의 생성
상호점과 알려진 클래스 사이의 적대적 관계를 이용해 다양하고 혼동하기 쉬운 학습 표본을 생성하는 강화 방법도 제안했다. 미지 분포를 추정하고 미지 클래스를 구별하는 능력을 높이려는 구성이다.
관련 문서
개방 집합 인식 / OpenMax / OpenOOD / 표현 학습 / 이상 탐지 / VOS 가상 이상치 합성