Die European Conference on Computer Vision (ECCV) zählt zu den drei weltweit führenden Konferenzen im Bereich der Computer Vision. Die 19. Ausgabe fand im September 2026 in Malmö, Schweden, statt.
Dort war das Labor Regensburg Medical Image Computing (ReMIC) der OTH Regensburg mit der Publikation „Distribution-Aware Feature Selection for Post-hoc Out-of-Distribution Detection" vertreten, verfasst von Max Gutbrod, Doktorand am ReMIC, gemeinsam mit den Co-Autoren David Rauber und Christoph Palm. Die Annahme auf einer A*-Konferenz – der höchsten Kategorie im internationalen Ranking – zwei Jahre in Folge ist ein bemerkenswerter Erfolg. Die Präsentation in Malmö wurde durch die Unterstützung des Bayerischen Wissenschaftsforums (BayWISS) ermöglicht, das die Reisekosten förderte.
Die Arbeit widmet sich der Erkennung von Out-of-Distribution(OOD)-Daten – also Bildmaterial, das nicht den Trainingsdaten eines Modells entspricht und im medizinischen Einsatz zu klinisch relevanten Fehlern führen kann. Die zentrale Beobachtung: Ein kleiner Teil sorgfältig ausgewählter Merkmale trägt bereits den Großteil der Trennschärfe zwischen In-Distribution- und Out-of-Distribution-Daten. Konzentriert man sich auf diese Merkmale, wird die OOD-Erkennung zuverlässiger und, weil weniger Informationen verarbeitet werden müssen, auch schneller. Das gilt sowohl für medizinische Bilddaten als auch für Alltagsfotografien – die Methode funktioniert also über die Medizin hinaus. Der vorgeschlagene Vorverarbeitungsschritt lässt sich breit auf bestehende merkmalsbasierte OOD-Verfahren übertragen.
Damit leistet die OTH Regensburg erneut einen Beitrag zur Diskussion über die Verlässlichkeit von KI-Systemen in sicherheitskritischen Anwendungsfeldern wie der medizinischen Bildverarbeitung.
