論文の概要: Out of Distribution Generalization via Interventional Style Transfer in Single-Cell Microscopy

• arxiv url: http://arxiv.org/abs/2306.11890v1
• Date: Thu, 15 Jun 2023 20:08:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-26 01:08:46.355939
• Title: Out of Distribution Generalization via Interventional Style Transfer in Single-Cell Microscopy
• Title（参考訳）: シングルセル顕微鏡におけるインターベンショナルスタイル転送による分布一般化の展開
• Authors: Wolfgang M. Pernice, Michael Doron, Alex Quach, Aditya Pratapa, Sultan Kenjeyev, Nicholas De Veaux, Michio Hirano, Juan C. Caicedo
• Abstract要約: コンピュータビジョンシステムの現実的な展開には、文脈的ニュアンスに不変な因果表現が必要である。 我々は,OOD一般化の難易度が高まる中で,モデルが因果表現を学習する程度を評価するテストを提案する。 他の確立された指標によって評価されるように、一見強靭なパフォーマンスにもかかわらず、これらのテストでは、悪質なベースラインと現代的なベースラインの両方が、相反することを防ぐために設計されている。
• 参考スコア（独自算出の注目度）: 1.7778546320705952
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world deployment of computer vision systems, including in the discovery processes of biomedical research, requires causal representations that are invariant to contextual nuisances and generalize to new data. Leveraging the internal replicate structure of two novel single-cell fluorescent microscopy datasets, we propose generally applicable tests to assess the extent to which models learn causal representations across increasingly challenging levels of OOD-generalization. We show that despite seemingly strong performance, as assessed by other established metrics, both naive and contemporary baselines designed to ward against confounding, collapse on these tests. We introduce a new method, Interventional Style Transfer (IST), that substantially improves OOD generalization by generating interventional training distributions in which spurious correlations between biological causes and nuisances are mitigated. We publish our code and datasets.
• Abstract（参考訳）: 生体医学研究の発見プロセスを含む現実世界でのコンピュータビジョンシステムの展開には、文脈的迷惑に不変な因果表現が必要となり、新しいデータに一般化される。 2つの新しい単細胞蛍光顕微鏡データセットの内部複製構造を利用して,ood一般化の難解な段階においてモデルが因果表現を学習する程度を評価する。 他の確立された指標によって評価されるように、一見強靭なパフォーマンスにもかかわらず、これらのテストでは、悪質なベースラインと現代的なベースラインが相反するように設計されている。 我々は,生物原因と栄養素の急激な相関を緩和する介入訓練分布を生成することにより,OODの一般化を著しく改善する新しい手法であるInterventional Style Transfer (IST)を導入する。 コードとデータセットを公開します。

関連論文リスト

• Back to Bayesics: Uncovering Human Mobility Distributions and Anomalies with an Integrated Statistical and Neural Framework [14.899157568336731]
  DeepBayesicは、ベイズ原理とディープニューラルネットワークを統合し、基盤となる分布をモデル化する新しいフレームワークである。 我々は,いくつかのモビリティデータセットに対するアプローチを評価し,最先端の異常検出手法の大幅な改善を実証した。
  論文  参考訳（メタデータ） (2024-10-01T19:02:06Z)
• Targeted Cause Discovery with Data-Driven Learning [66.86881771339145]
  本稿では,観測結果から対象変数の因果変数を推定する機械学習手法を提案する。 我々は、シミュレートされたデータの教師あり学習を通じて因果関係を特定するために訓練されたニューラルネットワークを用いる。 大規模遺伝子制御ネットワークにおける因果関係の同定における本手法の有効性を実証した。
  論文  参考訳（メタデータ） (2024-08-29T02:21:11Z)
• Learning Divergence Fields for Shift-Robust Graph Representations [73.11818515795761]
  本研究では,相互依存データに対する問題に対して,学習可能な分散場を持つ幾何学的拡散モデルを提案する。 因果推論によって新たな学習目標が導出され、ドメイン間で無神経な相互依存の一般化可能なパターンを学習するためのモデルが導出される。
  論文  参考訳（メタデータ） (2024-06-07T14:29:21Z)
• Utilizing Weak-to-Strong Consistency for Semi-Supervised Glomeruli Segmentation [0.803784679671919]
  本稿では,複数の実世界のデータセット上で検証された弱強整合性フレームワークに基づく,糸球体セグメンテーションのための半教師付き学習手法を提案する。 3つの独立したデータセットに対する実験結果は、既存の教師付きベースラインモデルと比較して、アプローチの優れた性能を示している。
  論文  参考訳（メタデータ） (2024-05-30T10:19:21Z)
• Rethinking Model Prototyping through the MedMNIST+ Dataset Collection [0.11999555634662634]
  本研究は,MedMNIST+データベースに対する評価環境の多様化のためのベンチマークを示す。 我々は、医用画像分類のための共通畳み込みニューラルネットワーク(CNN)とトランスフォーマーベースのアーキテクチャを徹底的に分析する。 この結果から,計算効率のよいトレーニングスキームと最新の基礎モデルは,高額なエンドツーエンドトレーニングとリソース強化アプローチのギャップを埋める上で有望であることが示唆された。
  論文  参考訳（メタデータ） (2024-04-24T10:19:25Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• A Comprehensive Augmentation Framework for Anomaly Detection [1.6114012813668932]
  本稿では,再構成ネットワークのトレーニングに寄与するシミュレーション異常の重要な特徴を解析する。 我々は、このフレームワークを再構築ベースのアプローチと統合し、同時に分割トレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:00:35Z)
• Causal Balancing for Domain Generalization [95.97046583437145]
  そこで本研究では,観察されたトレーニング分布の領域特異的なスプリアス相関を低減するために,バランスの取れたミニバッチサンプリング戦略を提案する。 本研究では, 突発性源の同定可能性を保証するとともに, バランスの取れた, 突発性のない分布から, 提案手法が有効にサンプリング可能であることを示す。
  論文  参考訳（メタデータ） (2022-06-10T17:59:11Z)
• Learning Neural Causal Models with Active Interventions [83.44636110899742]
  本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。 本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。 シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2021-09-06T13:10:37Z)
• Cohort Bias Adaptation in Aggregated Datasets for Lesion Segmentation [0.8466401378239363]
  マルチソースデータセット間でコホートバイアスを学習し,考慮するための一般化されたアフィン条件付けフレームワークを提案する。 我々は,コホートバイアス適応法により,プールしたデータセット上でのネットワークの性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-08-02T08:32:57Z)
• Adversarial Sample Enhanced Domain Adaptation: A Case Study on Predictive Modeling with Electronic Health Records [57.75125067744978]
  ドメイン適応を容易にするデータ拡張手法を提案する。 逆生成したサンプルはドメイン適応時に使用される。 その結果,本手法の有効性とタスクの一般性が確認された。
  論文  参考訳（メタデータ） (2021-01-13T03:20:20Z)

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。