Исследовательское подразделение Apple Machine Learning Research представило новый метод под названием GH-ESD, предназначенный для обнаружения ошибок в моделях компьютерного зрения. Традиционные подходы часто рассматривают сбои как кластеры в пространстве представлений или комбинации заранее определенных атрибутов, что хорошо работает для классификации изображений в целом.

Однако авторы исследования указывают, что такие формулировки недостаточны для задач уровня экземпляров, таких как обнаружение и сегментация объектов. В этих сценариях ошибки часто возникают из-за контекстных relationalных и пространственно обоснованных визуальных паттернов, которые предыдущие методы упускали.

Предложенная гипотеза ориентирована на выявление именно тех семантически согласованных подмножеств данных, где модели демонстрируют систематические отказы. Это позволяет перейти от общей оценки надежности к более глубокому анализу конкретных условий сбоя.