学部3年 表君が研究内容を第29回 画像の認識・理解シンポジウム (MIRU2026) でポスター発表しました．また，本研究は「MIRUインタラクティブ発表賞」を受賞しました．

研究概要：本研究では、野生動物画像認識における超近接分布外検知を対象とし、Mahalanobis Affinity Fusion（MAF）を提案する。野生動物画像では、既知種と未知種が形状、模様、姿勢、生息環境を共有するため、未知種が特徴空間上で既知種の近傍に配置されやすい。このような条件では、未知種を既知種として誤受理する可能性が高く、実運用上の課題となる。 MAFは、凍結済みbackboneから得られる特徴に対して、IDクラスごとの平均と共有共分散を推定し、各IDクラスへのMahalanobis距離を算出する。得られた距離ベクトルをsoftmaxにより正規化された相対類似度へ変換し、最大成分に基づくconfidenceと正規化エントロピーに基づくconsistencyを幾何融合することで、最終的なOODスコアを構成する。共分散推定にはLedoit–Wolf型の縮小推定を用い、高次元特徴空間における推定の安定化を図る。 評価には、5種のID動物と5種のOOD動物から構成したデータセットを使用した。DINOv2-ViT-B/14の凍結特徴上で、MAFはAUROC 0.8928、FPR95 0.5128を達成し、RMD、KNN、Mahalanobis距離、および代表的なlogit系・activation系OOD検知手法を上回った。アブレーションでは、共有共分散に基づくMahalanobis幾何と、全IDクラスに対する距離分布を利用する設計の有効性が確認された。