論文の概要: Modeling Annotation Uncertainty with Gaussian Heatmaps in Landmark
Localization
- arxiv url: http://arxiv.org/abs/2109.09533v2
- Date: Tue, 21 Sep 2021 12:03:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-22 12:20:19.092698
- Title: Modeling Annotation Uncertainty with Gaussian Heatmaps in Landmark
Localization
- Title(参考訳): gaussian heatmapsを用いたランドマーク定位におけるアノテーションの不確かさのモデル化
- Authors: Franz Thaler, Christian Payer, Martin Urschler and Darko Stern
- Abstract要約: ランドマークのローカライゼーションでは、その正確な位置を定義するあいまいさのため、ランドマークのアノテーションは大きなオブザーバーの変動に悩まされる可能性がある。
最適化中に対象熱マップの形状をモデル化した異方性ガウスパラメータを学習する。
提案手法は, 推定熱マップに異方性ガウス関数を組み込むことにより, 個々の試料の予測不確かさをモデル化する。
- 参考スコア(独自算出の注目度): 2.0646127669654835
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In landmark localization, due to ambiguities in defining their exact
position, landmark annotations may suffer from large observer variabilities,
which result in uncertain annotations. To model the annotation ambiguities of
the training dataset, we propose to learn anisotropic Gaussian parameters
modeling the shape of the target heatmap during optimization. Furthermore, our
method models the prediction uncertainty of individual samples by fitting
anisotropic Gaussian functions to the predicted heatmaps during inference.
Besides state-of-the-art results, our experiments on datasets of hand
radiographs and lateral cephalograms also show that Gaussian functions are
correlated with both localization accuracy and observer variability. As a final
experiment, we show the importance of integrating the uncertainty into decision
making by measuring the influence of the predicted location uncertainty on the
classification of anatomical abnormalities in lateral cephalograms.
- Abstract(参考訳): ランドマークのローカライゼーションでは、正確な位置を定義するあいまいさのために、ランドマークのアノテーションは大きなオブザーバーの変動に苦しむ可能性がある。
トレーニングデータセットのアノテーションあいまいさをモデル化するために,対象ヒートマップの形状をモデル化した異方性ガウスパラメータを最適化中に学習する。
さらに,提案手法は,推定熱マップに異方性ガウス関数を組み込むことにより,個々のサンプルの予測不確かさをモデル化する。
以上の結果に加えて,手動X線写真と側頭蓋像のデータセットを用いた実験により,ガウス関数が局所化精度と観測変数の相関関係があることが示唆された。
最終実験として,予測位置の不確実性が側頭蓋骨の解剖学的異常の分類に与える影響を計測し,不確実性を意思決定に組み込むことの重要性を示す。
関連論文リスト
- Dynamically Weighted Factor-Graph for Feature-based Geo-localization [77.27071369070079]
特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。
これにより、ランドマークの種類は両方のソースから観測できなければならない。
車両軌道推定のための動的重み付き因子グラフモデルを提案する。
論文 参考訳(メタデータ) (2023-11-13T12:44:14Z) - Function-Space Regularization for Deep Bayesian Classification [33.63495888167032]
予測空間にディリクレを前もって適用し、近似関数空間変分推論を行う。
推論を適用することで、モデルアーキテクチャやサイズに影響を与えることなく、同じ関数空間を異なるモデルと組み合わせることができる。
論文 参考訳(メタデータ) (2023-07-12T10:17:54Z) - Prediction under Latent Subgroup Shifts with High-Dimensional
Observations [30.433078066683848]
遅延シフト適応を用いたグラフィカルモデルにおける新しい予測手法を提案する。
RPMの新規な形態は、ソース環境における因果潜伏構造を特定し、ターゲットの予測に適切に適応する。
論文 参考訳(メタデータ) (2023-06-23T12:26:24Z) - Uncertainty-aware U-Net for Medical Landmark Detection [7.645078810138798]
現在の熱マップに基づくほとんどの手法は、それぞれのランドマークの分布は等方性であり、現実とは一致しないかもしれないと仮定している。
対象ガウス分布の共分散行列を予測するために,ピラミッド共分散予測器というモジュールを提案する。
実験により、ピラミッド共分散予測器は分布を正確に予測し、解剖学的ランドマーク検出の性能を向上させることができることがわかった。
論文 参考訳(メタデータ) (2023-03-18T06:55:26Z) - Looking at the posterior: accuracy and uncertainty of neural-network
predictions [0.0]
予測精度はてんかんとアレタリック不確実性の両方に依存している。
本稿では,共通不確実性に基づく手法よりも優れた新たな獲得関数を提案する。
論文 参考訳(メタデータ) (2022-11-26T16:13:32Z) - Counting Phases and Faces Using Bayesian Thermodynamic Integration [77.34726150561087]
本稿では,2パラメータ統計力学系における熱力学関数と位相境界の再構成手法を提案する。
提案手法を用いて,IsingモデルとTASEPの分割関数と位相図を正確に再構成する。
論文 参考訳(メタデータ) (2022-05-18T17:11:23Z) - An Indirect Rate-Distortion Characterization for Semantic Sources:
General Model and the Case of Gaussian Observation [83.93224401261068]
ソースモデルは、情報の意味的側面に対する最近の関心の高まりによって動機付けられている。
intrinsic状態は、一般に観測不可能なソースの意味的特徴に対応する。
レート歪み関数は、ソースのセマンティックレート歪み関数である。
論文 参考訳(メタデータ) (2022-01-29T02:14:24Z) - Spectral clustering under degree heterogeneity: a case for the random
walk Laplacian [83.79286663107845]
本稿では,ランダムウォークラプラシアンを用いたグラフスペクトル埋め込みが,ノード次数に対して完全に補正されたベクトル表現を生成することを示す。
次数補正ブロックモデルの特別な場合、埋め込みはK個の異なる点に集中し、コミュニティを表す。
論文 参考訳(メタデータ) (2021-05-03T16:36:27Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳(メタデータ) (2020-06-26T13:50:19Z) - Isometric Gaussian Process Latent Variable Model for Dissimilarity Data [0.0]
本稿では、潜在変数がモデル化データの距離と位相の両方を尊重する確率モデルを提案する。
このモデルは、対距離の観測に基づく変分推論によって推定される。
論文 参考訳(メタデータ) (2020-06-21T08:56:18Z)
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。