本研究は、グラフデータにおける分布外（OOD）検出の課題に対処する新しい手法「BaCa」を提案します。従来の手法は、トレーニング中に真の分布外サンプルが欠如しており、従来の手法では分布内データの特徴をとらえ、OODスコアを計算することに最適化されているため、信頼性の低い検出につながることがあります。BaCaは、事前にトレーニングされたモデルを微調整することなく、ダイナミックに更新されるデュアル辞書を使用してOODスコアをキャリブレーションします。具体的には、テストサンプルのみを使用して混合戦略を行い、多様な境界認識トポロジーを生成します。これにより、OOD検出の性能が向上します。実データセットに基づく広範な実験により、BaCaは既存の最先端手法と比較して顕著に優れた結果を示しました。