연구진은 단일 패스 추론으로 불확실성 추정을 가능하게 하는 에비덴셜 딥러닝(EDL)의 과신뢰 및 미세 조정 문제를 해결하기 위해 Gated Evidential Mixtures (GEM) 모델을 제안했습니다.
GEM-FI는 feature 레벨 에너지 학습 및 Fisher 정보 기반 정규화를 통해 혼합 헤드 붕괴를 방지하고 더욱 부드러운 경계 불확실성을 생성합니다.
CIFAR-10 데이터셋에서 GEM-FI는 정확도, Brier 점수, 오분류-탐지 AUPR을 DAEDL 대비 각각 2.64pp, x10 감소, 0.86 개선하는 성능을 보였습니다.