GEPC: Gruppen-Equivarianz erkennt Ausreißer in Diffusionsmodellen

Diffusionsmodelle bestimmen einen zeitabhängigen Score‑Feld, das häufig die Symmetrien (Spiegelungen, Drehungen, Kreisverschiebungen) der Trainingsdaten übernimmt. Traditionelle OOD‑Detektoren nutzen dabei meist die Score‑Magnitude oder lokale Geometrie, vernachlässigen jedoch die Gleichgewichts‑Eigenschaften des Modells.

Die neue Methode Group‑Equivariant Posterior Consistency (GEPC) ist ein trainingsfreier Test, der misst, wie konsistent der Score unter einer endlichen Gruppe von Transformationen bleibt. Wenn die Gleichgewichts‑Eigenschaft gebrochen wird, erkennt GEPC dies bereits, obwohl die Score‑Magnitude unverändert sein kann.

GEPC erfordert lediglich Score‑Auswertungen und liefert leicht interpretierbare Karten, die zeigen, wo die Gleichgewichts‑Eigenschaft verletzt ist. Theoretisch wurden obere Grenzen für In‑Distribution‑Daten und untere Grenzen für Out‑of‑Distribution‑Daten unter milden Annahmen abgeleitet.

Auf mehreren OOD‑Bildbenchmarks erzielt GEPC vergleichbare oder bessere AUROC‑Werte als aktuelle Diffusions‑Baselines, bleibt dabei aber rechnerisch schlank. In hochauflösenden Synthetic‑Aperture‑Radar‑Bildern, wo OOD‑Signale seltene Ziele oder Anomalien darstellen, trennt GEPC Ziel und Hintergrund deutlich und liefert anschauliche Gleichgewichts‑Bruch‑Karten.

Der Code ist frei verfügbar unter https://github.com/RouzAY/gepc-diffusion/.