Neyman–Pearson 校準

深度分析

DualMem：以 SigLIP 與 k-NN 雙記憶校準，緩解 OWOD 的物件性瓶頸

開放世界物件檢測的未知預測流常被背景誤報與既有類別污染。研究提出DualMem，一種後設校準過濾器，使用凍結SigLIP特徵建立正負記憶並以近鄰似然比和Neyman–Pearson門檻抑制背景誤報，實驗在多種檢測器上呈現平均五成以上背景誤報下降。