當前許多深度學習分類模型通常在大規(guī)模數(shù)據(jù)中訓練以找到足以區(qū)分不同類別的特征。

然而，這種方式不可避免地學到偽相關特征（Spurious Correlation），導致訓練的分類器在分布偏移（Distribution Shift）下往往會失效。因此，如何在衡量一個訓練好的模型的泛化性（Generalization）一直是一個關鍵問題。

現(xiàn)有方法通常利用Accuracy-on-the-Line作為模型泛化性的一個指標，即利用驗證集的top-1 accuracy來衡量模型在分布偏移下的性能，該指標在同類模型中較為有效，但面對不同類型的模型（如視覺模型和視覺語言模型）時，往往無法統(tǒng)一而有效地預測泛化性能。

卡內(nèi)基梅隆大學等機構的研究人員提出了一種新的泛化性評估方法：利用類層次結構（Class Hierarchy）中的最低公共祖先距離（Lowest Common Ancestor Distance, LCA Distance）來判斷模型是否學到了更「合理」的特征。

論文地址：https://arxiv.org/pdf/2407.16067

項目地址：https://elvishelvis.github.io/papers/lca/

同時，通過基于LCA距離構建的額外損失函數(shù)，可以在OOD測試集上顯著提高模型準確率，最高可達6%，且對分布內(nèi)性能無負面影響。研究還發(fā)現(xiàn)，VLM學習到的特征分布更接近人類的語義定義，為解釋VLM泛化性更好的現(xiàn)象提供了新的視角。

該研究已被ICML 2024接收為Oral Presentation，論文的第一作者史佳現(xiàn)任Google旗下自動駕駛公司W(wǎng)aymo研究工程師，從事基礎模型（Foundation Models）的研究與應用；論文為史佳在卡耐基梅隆大學攻讀計算機視覺碩士期間的研究成果；指導教授孔庶現(xiàn)任澳門大學助理教授。

判別式學習：偽相關特征的陷阱

大多數(shù)分類模型只關注訓練數(shù)據(jù)中區(qū)分不同類別的所有元素（例如背景顏色、有無天空等），而不考慮這些元素是否與類別語義定義一致。

導致模型易于依賴訓練數(shù)據(jù)中的偽相關特征，比如：

• 模型可能將「草地」這一背景特征作為「鴕鳥」類別的主要依據(jù)，因為在訓練集中鴕鳥常出現(xiàn)于草地背景下。
• 然而，當測試集中出現(xiàn)的鴕鳥來自非草地背景（如卡通圖像或雕塑）時，這些偽相關特征會使模型的泛化性能下降。

相比之下，具備更強泛化性的模型會關注諸如「長腿」和「長頸」等更符合人類對鴕鳥語義定義的特征，而非依賴背景等偽相關信息。

LCA距離：衡量泛化性能的新視角

研究人員認為，通過語義層次結構（如WordNet）可更準確衡量模型是否學到語義一致的特征。

LCA距離的思路

LCA距離用于衡量兩個類在給定的語義層次結構中的距離。例如，類別「鴕鳥」與「火烈鳥」的語義比「鴕鳥」與「獵豹」的語義距離更接近。

當衡量真實類別與預測類別時，更小的LCA距離意味著即使模型預測錯誤，也更傾向于預測與真實類別在語義上更為接近的類別，從而體現(xiàn)模型對更符合語義特征的關注。

LCA距離為何有效？

LCA距離本質上反映了模型與人類先驗知識的對齊程度（alignment），能展示模型學習的特征是否符合人類語義定義。語義更接近的錯誤預測（即更小的LCA距離）意味著模型學到了更具泛化性的特征。

當模型學到與人類語義定義更一致的特征時，即便預測錯誤，也更可能落在語義相近的類別上

傳統(tǒng)「Accuracy-on-the-Line」的局限性

過去，「Accuracy-on-the-Line」假設認為模型在分布內(nèi)（In-Distribution, ID）測試集上的準確率可用于預測其在分布外（Out-of-Distribution，OOD）測試集上的性能。

對傳統(tǒng)視覺模型（Vision Models，VMs）而言，這種關系在一定程度上成立。然而，引入視覺-語言模型（Vision-Language Models，VLMs）后，情況出現(xiàn)了轉變。

VLMs使用大規(guī)模多模態(tài)數(shù)據(jù)和不同的訓練范式（如從互聯(lián)網(wǎng)圖像與文本中進行訓練）。

結果顯示，VLMs在ID準確率較低的同時展現(xiàn)出更高的OOD準確率，并與VMs形成了兩條截然不同的趨勢線（如下圖左圖所示），破壞了Accuracy-on-the-Line中的線性關系。因此，傳統(tǒng)的ID準確率指標已無法統(tǒng)一衡量這兩類模型的泛化性能。

LCA-on-the-Line：LCA距離是一種更統(tǒng)一的泛化性指標

通過LCA距離分析模型錯誤預測的語義距離，可判斷模型是否依賴于偽相關特征。實驗顯示，分布內(nèi)測試集上的LCA距離與模型在OOD測試集上的性能之間存在強相關性。

在實驗中，研究對象包括36個VMs和39個VLMs，以ImageNet為分布內(nèi)測試集（ID dataset），并在包括ImageNet-Sketch、ObjectNet在內(nèi)的五個分布偏移測試集（OOD datasets）上測試。結果顯示：

1. 恢復線性關系：與傳統(tǒng)ID準確率不同，LCA距離在所有OOD測試集上均表現(xiàn)出更強的線性相關性（如下圖右圖所示）。例如，在ObjectNet上，LCA距離與OOD性能的相關性達到0.95，而ID準確率僅為0.52。
2. VLMs的優(yōu)勢：盡管部分VLMs在ID數(shù)據(jù)上的表現(xiàn)不及VMs，但其LCA距離明顯更低，顯示出在泛化性上的明顯優(yōu)勢。

LCA距離是一種更統(tǒng)一的泛化性指標

LCA距離通過軟標簽提升模型泛化性能

傳統(tǒng)分類任務中，模型通常采用單熱編碼（One-Hot Encoding）與交叉熵損失（Cross-Entropy Loss）訓練。這隱含了一個強假設：真實類別之外的所有類別相互等同，且應賦予相同的低概率。

單熱編碼過度強調類別間的區(qū)分，這可能導致模型即使在語義相近的類別（如「貓」和「狗」）之間，也努力最大化分類邊界，從而增加對偽相關特征（如背景）的依賴，而忽略了類別間的共享特征。

為了解決此問題，研究人員基于LCA距離引入軟標簽（Soft Labels），為語義更近的類別賦予更高權重。例如，真實類別為「狗」時，與其語義接近的「貓」可能獲得0.7的權重，而與「飛機」僅有0.1。

這一策略使模型的學習目標得到正則化，引導其關注語義一致的特征，從而減少對偽相關特征的依賴。

實驗顯示，LCA距離引導的軟標簽可顯著提升模型在OOD測試集上的泛化性能，準確率可提升最多6%，且不影響ID準確率。

泛化到任何數(shù)據(jù)集：從WordNet到隱式層次結構

雖然LCA距離最初依賴WordNet等預定義類層次結構，但并非所有數(shù)據(jù)集都有現(xiàn)成的層次結構。對此，本研究論文提出了一種簡單的自動生成隱式層次結構（Latent Hierarchy）的方法：

1. 特征提?。菏褂妙A訓練模型提取每個類別的平均特征向量。
2. 層次聚類：對這些特征進行分層K-mean聚類，構建類別關系的層次結構。
3. LCA距離計算：基于隱式層次結構計算類別間的LCA距離。

實驗顯示，使用不同預訓練模型生成的隱式層次結構所計算的LCA距離在OOD泛化性能預測（下圖左圖）與提升（下圖右圖）方面與基于WordNet的層次結構具有類似效果，說明LCA距離具有普適性，能夠適應無預定義層次結構的數(shù)據(jù)集。

為什么VLM泛化性更好？

此項研究還為解釋VLM泛化性能優(yōu)勢提供了新的思路：VLM的高層次特征分布更符合人類語義定義。

實驗顯示，使用VLM生成的隱式層次結構所生成的軟標簽在提升模型泛化性能方面優(yōu)于VM。

這說明VLM所學習的特征分布更接近人類語義，從而在OOD場景下表現(xiàn)更為出色。

X軸反映了不同的預訓練模型生成的隱式結構提高模型泛化性的程度，由此可見，VLM生成的隱式結構能夠更好的提高模型泛化性。

總結與展望

LCA距離是統(tǒng)一的泛化性指標

只依賴模型預測的類別間LCA距離，不受訓練數(shù)據(jù)分布、模型結構或temperature等參數(shù)的影響。因此，它能夠統(tǒng)一衡量包括VM和VLM在內(nèi)的多種模型的泛化能力，并且計算高效。

LCA距離可提升泛化性能

基于LCA距離引入軟標簽可以引導模型關注與人類定義更為語義一致的特征，從而有效減少對偽相關特征的依賴，并有望在few-shot、預訓練（pre-trained）等場景中加速模型收斂。

LCA距離提供了解釋VLM泛化性能的新思路

實驗顯示VLM所學習的特征分布更貼近人類語義定義，幫助解釋為何VLM在OOD測試中表現(xiàn)更優(yōu)。

LCA距離體現(xiàn)了模型與人類先驗知識的對齊

本文研究中使用的WordNet可替換為任何包含先驗信息的語義層級或知識圖譜，這一特性有望應用于其他與對齊（alignment）相關的任務。