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

• Manifold Sampling for Differentiable Uncertainty in Radiance Fields [82.17927517146929]
  本稿では,ガウス放射場を明示的かつきめ細かい不確実性推定で学習するための多元的アプローチを提案する。 次回のベクター・ビュー・プランニング・タスクにおける最先端のパフォーマンスを実演する。
  論文  参考訳（メタデータ） (2024-09-19T11:22:20Z)
• Planning to avoid ambiguous states through Gaussian approximations to non-linear sensors in active inference agents [4.02487511510606]
  測定関数が非線形であるとき、変換された変数はガウス分布と近似され、抽出可能な推論が保証されることを示す。 これにより、状態が観測からどれだけ正確に推測できるかに基づいて、状態よりも優先される。 エージェントが軌道を計画するロボットナビゲーション実験でこれを実証する。
  論文  参考訳（メタデータ） (2024-09-03T15:17:16Z)
• Spatially-Aware Diffusion Models with Cross-Attention for Global Field Reconstruction with Sparse Observations [1.371691382573869]
  フィールド再構成タスクにおけるスコアベース拡散モデルの開発と拡張を行う。 本研究では,観測領域と観測領域の間のトラクタブルマッピングを構築するための条件符号化手法を提案する。 本研究では, モデルが再現可能かどうかを把握し, 融合結果の精度を向上する能力を示す。
  論文  参考訳（メタデータ） (2024-08-30T19:46:23Z)
• Efficiently Parameterized Neural Metriplectic Systems [21.181859944826595]
  提案手法は、状態の大きさと緯度データのランクの両方で2次的にスケールする。 メトロトレクティックシステムは、状態の大きさとメトロトレクティックデータのランクの両方で二次的にスケールする方法でデータから学習される。
  論文  参考訳（メタデータ） (2024-05-25T17:14:23Z)
• 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)
• 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)
• 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)

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。