グループ分けしたソフトマックス関数を適用し、Othersのスコアに着目して分布外検知を行うMOSを提案した。CVPR 2020採択の「Overcoming Classifier Imbalance for Long-Tail Object Detection With Balanced Group Softmax」で物体検出に適用されたグループ分けを、分布外検知に応用している。

ImageNetデータセットを480×480の解像度で分布内として学習し、4種類のデータセットを分布外として精度の評価を行い、Texturesデータセット以外の3種類で従来手法を大きく上回る結果。速度に関しても、Texturesデータセットで最高精度のKL Matchingより6倍高速に推論可能。

これまでCIFAR-10/100ベースだった分布外検知をImageNetベースで実現したことと、明確な優位性を示したことで通ったと考えられる。PyTorch実装( https://github.com/deeplearning-wisc/large_scale_ood )が公開されている。