論文の概要: Estimating a Null Model of Scientific Image Reuse to Support Research
Integrity Investigations
- arxiv url: http://arxiv.org/abs/2003.00878v1
- Date: Sat, 22 Feb 2020 02:41:13 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-29 18:44:26.584594
- Title: Estimating a Null Model of Scientific Image Reuse to Support Research
Integrity Investigations
- Title(参考訳): 研究整合性調査を支援する科学画像再利用のヌルモデルの推定
- Authors: Daniel E. Acuna and Ziyue Xiang
- Abstract要約: 全ての科学的画像に対してランダムに発生する確率を統計的に推定することにより、画像の特徴の出現率を予測する方法を提供する。
本手法は, 科学的画像再利用のためのヌル仮説を提供し, 検討中にp値を与えることにより, 研究の完全性調査において有意義なフィードバックを導出できることを示す。
- 参考スコア(独自算出の注目度): 1.2691047660244335
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When there is a suspicious figure reuse case in science, research integrity
investigators often find it difficult to rebut authors claiming that "it
happened by chance". In other words, when there is a "collision" of image
features, it is difficult to justify whether it appears rarely or not. In this
article, we provide a method to predict the rarity of an image feature by
statistically estimating the chance of it randomly occurring across all
scientific imagery. Our method is based on high-dimensional density estimation
of ORB features using 7+ million images in the PubMed Open Access Subset
dataset. We show that this method can lead to meaningful feedback during
research integrity investigations by providing a null hypothesis for scientific
image reuse and thus a p-value during deliberations. We apply the model to a
sample of increasingly complex imagery and confirm that it produces
decreasingly smaller p-values as expected. We discuss applications to research
integrity investigations as well as future work.
- Abstract(参考訳): 科学において不審な人物再利用事件がある場合、研究の完全性調査官はしばしば「偶然に起こった」と著者に反論することは困難である。
言い換えれば、画像の特徴の「衝突」がある場合、それがまれに現れるかどうかを正当化することは困難である。
本稿では,すべての科学的画像に対してランダムに発生する確率を統計的に推定することにより,画像特徴のララリティを予測する手法を提案する。
提案手法は,PubMed Open Access Subset データセットの 7 万画像を用いたORB 特徴量の高次元密度推定に基づく。
本手法は,科学的画像再利用のためのヌル仮説を提供することにより,研究整合性調査中に有意義なフィードバックが得られることを示す。
より複雑な画像のサンプルにモデルを適用し、予想通り小さくp値が小さくなることを確認した。
研究の完全性調査や今後の研究への応用について論じる。
関連論文リスト
- Understanding Likelihood of Normalizing Flow and Image Complexity
through the Lens of Out-of-Distribution Detection [5.279257531335347]
より複雑な画像は潜在空間の高密度領域に集中し、正規化フロー(NF)において高い可能性を与える仮説を提案する。
我々は5つのNFアーキテクチャの有効性を実験的に証明し、その可能性は信頼できないと結論付けた。
画像の複雑さを独立変数として扱うことにより,この問題を緩和できることを示す。
論文 参考訳(メタデータ) (2024-02-16T06:56:59Z) - Projection Regret: Reducing Background Bias for Novelty Detection via
Diffusion Models [72.07462371883501]
本研究では,非意味情報のバイアスを緩和する効率的な新規性検出手法であるemphProjection Regret(PR)を提案する。
PRは、テスト画像とその拡散ベースの投影の間の知覚距離を計算し、異常を検出する。
拡張実験により、PRは生成モデルに基づく新規性検出手法の先行技術よりも有意なマージンで優れていることが示された。
論文 参考訳(メタデータ) (2023-12-05T09:44:47Z) - AI-Generated Images Introduce Invisible Relevance Bias to Text-Image
Retrieval [70.54890125718387]
我々は,AI生成画像がテキスト画像検索モデルに目に見えない関連性バイアスをもたらすことを示す。
検索モデルのトレーニングデータにAI生成画像を含めると、目に見えない関連性バイアスが増す。
本研究では,目に見えない関連バイアスを軽減するための効果的なトレーニング手法を提案する。
論文 参考訳(メタデータ) (2023-11-23T16:22:58Z) - Synthetic Aperture Anomaly Imaging [2.9443230571766854]
検出された異常は積分の異常を検出するよりも効果的であることを示す。
我々は、ブルーライトの組織や商用ドローンプラットフォームを使って、我々の発見を現実的に利用できるようにするリアルタイムアプリケーションを提案する。
論文 参考訳(メタデータ) (2023-04-26T14:34:43Z) - RetrievalGuard: Provably Robust 1-Nearest Neighbor Image Retrieval [84.33752026418045]
本稿では, 対向性摂動に対して確実に頑健な1-nearest neighbor(NN)画像検索アルゴリズムであるRetrievalGuardを提案する。
このスムーズな検索モデルはリプシッツ定数を一定に保ち、従って検索スコアは$ell$逆転摂動に不変であることを示す。
論文 参考訳(メタデータ) (2022-06-17T16:50:50Z) - Image-to-Image Regression with Distribution-Free Uncertainty
Quantification and Applications in Imaging [88.20869695803631]
真値を含むことが保証される各画素の周囲の不確実な間隔を導出する方法を示す。
画像から画像への回帰を3つのタスクで評価する。
論文 参考訳(メタデータ) (2022-02-10T18:59:56Z) - Benchmarking Scientific Image Forgery Detectors [18.225190509954874]
本稿では,研究コミュニティが報告した最も一般的な画像偽造操作を再現する,拡張可能なオープンソースライブラリを提案する。
我々は、富裕層を有する大規模な科学的偽画像ベンチマーク(39,423画像)を作成する。
さらに,画像重複による抽出論文の多さを考慮し,提案したデータセットにおける最先端のコピー・モーブ検出手法の評価を行った。
論文 参考訳(メタデータ) (2021-05-26T22:58:20Z) - Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。
標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。
原理的に部分観測可能なベイズ的枠組みを提案する。
論文 参考訳(メタデータ) (2020-09-12T20:37:33Z) - Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。
グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。
まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文 参考訳(メタデータ) (2020-06-11T17:29:53Z) - A Question-Centric Model for Visual Question Answering in Medical
Imaging [3.619444603816032]
そこで本稿では,画像の問合せを質問文で行う視覚質問解答手法を提案する。
種々の医用・自然画像データセットを用いた実験により, 提案手法は, 画像特徴と疑問特徴を新しい方法で融合させることで, 従来の手法と同等あるいは高い精度を達成できることが示されている。
論文 参考訳(メタデータ) (2020-03-02T10:16:16Z) - Detect and Correct Bias in Multi-Site Neuroimaging Datasets [2.750124853532831]
神経画像のバイアスを調べるため、17の研究で脳の35,320個の磁気共鳴画像を合成した。
我々は、しばしば観察研究における主要な欠点と見なされる共起バイアスについて、より詳しく検討する。
我々は最近導入されたComBatアルゴリズムを拡張し、画像特徴間のグローバルな変動を制御する。
論文 参考訳(メタデータ) (2020-02-12T15:32:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。