論文の概要: Risk Controlled Image Retrieval

• arxiv url: http://arxiv.org/abs/2307.07336v3
• Date: Mon, 06 Jan 2025 10:00:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:03:26.885216
• Title: Risk Controlled Image Retrieval
• Title（参考訳）: リスク制御された画像検索
• Authors: Kaiwen Cai, Chris Xiaoxuan Lu, Xingyu Zhao, Xiaowei Huang,
• Abstract要約: 本稿では、カバレッジ保証付き検索セットを生成するリスク制御画像検索(RCIR)を提案する。 RCIRは既存の不確実性認識画像検索システムと容易に統合できる。 4つの実世界のデータセットでRCIRの有効性と効率を実証した。
• 参考スコア（独自算出の注目度）: 15.60341568367361
• License:
• Abstract: Most image retrieval research prioritizes improving predictive performance, often overlooking situations where the reliability of predictions is equally important. The gap between model performance and reliability requirements highlights the need for a systematic approach to analyze and address the risks associated with image retrieval. Uncertainty quantification technique can be applied to mitigate this issue by assessing uncertainty for retrieval sets, but it provides only a heuristic estimate of uncertainty rather than a guarantee. To address these limitations, we present Risk Controlled Image Retrieval (RCIR), which generates retrieval sets with coverage guarantee, i.e., retrieval sets that are guaranteed to contain the true nearest neighbors with a predefined probability. RCIR can be easily integrated with existing uncertainty-aware image retrieval systems, agnostic to data distribution and model selection. To the best of our knowledge, this is the first work that provides coverage guarantees to image retrieval. The validity and efficiency of RCIR are demonstrated on four real-world datasets: CAR-196, CUB-200, Pittsburgh, and ChestX-Det.
• Abstract（参考訳）: ほとんどの画像検索研究は予測性能の向上を優先しており、予測の信頼性が等しく重要である状況を見越すことが多い。 モデル性能と信頼性要件のギャップは、画像検索に関連するリスクを分析し、対処するための体系的なアプローチの必要性を浮き彫りにする。 不確実性定量化技術は、検索集合の不確実性を評価することによってこの問題を軽減するために応用できるが、保証ではなく、ヒューリスティックな不確実性推定のみを提供する。 これらの制約に対処するために、リスク制御された画像検索(RCIR)を提案し、カバー範囲保証付き検索セット、すなわち、予め定義された確率で真の隣人を含むことが保証される検索セットを生成する。 RCIRは既存の不確実性認識画像検索システムと容易に統合でき、データ分布やモデル選択に依存しない。 私たちの知る限りでは、画像検索のカバレッジ保証を提供するのはこれが初めてです。 RCIRの有効性と効率は、CAR-196、CUB-200、ピッツバーグ、チェストX-Detの4つの実世界のデータセットで実証されている。

関連論文リスト

• SUMI-IFL: An Information-Theoretic Framework for Image Forgery Localization with Sufficiency and Minimality Constraints [66.85363924364628]
  イメージフォージェリーローカライゼーション (IFL) は, 改ざん画像誤用を防止し, 社会安全を守るための重要な技術である。 本稿では,情報理論IFL フレームワーク SUMI-IFL について紹介する。
  論文  参考訳（メタデータ） (2024-12-13T09:08:02Z)
• Uncertainty-Aware Regularization for Image-to-Image Translation [2.5274064055508174]
  医用画像変換(I2I)における不確実性評価を改善する手法を提案する。 本モデルはアレータリック不確実性を統合し, 単純な事前予測にインスパイアされた不確実性認識規則化(UAR)を用いて不確実性推定を精査する。
  論文  参考訳（メタデータ） (2024-11-24T14:05:27Z)
• Controlling Risk of Retrieval-augmented Generation: A Counterfactual Prompting Framework [77.45983464131977]
  我々は、RAGモデルの予測が誤りであり、現実のアプリケーションにおいて制御不能なリスクをもたらす可能性がどの程度あるかに焦点を当てる。 本研究は,RAGの予測に影響を及ぼす2つの重要な潜伏要因を明らかにする。 我々は,これらの要因をモデルに誘導し,その応答に与える影響を解析する,反実的プロンプトフレームワークを開発した。
  論文  参考訳（メタデータ） (2024-09-24T14:52:14Z)
• X-Fake: Juggling Utility Evaluation and Explanation of Simulated SAR Images [49.546627070454456]
  実データと模擬データの分散不整合性は、シミュレーションSAR画像の有用性に影響を与える主な障害である。 本稿では,X-Fake で表されるSAR画像の擬似的な説明を初めて行うことで,信頼性の高い実用性評価フレームワークを提案する。 提案手法は、電磁モデルから得られた4つのシミュレーションSAR画像データセットと、生成人工知能アプローチに基づいて検証される。
  論文  参考訳（メタデータ） (2024-07-28T09:27:53Z)
• On the Estimation of Image-matching Uncertainty in Visual Place Recognition [7.769607568805291]
  ビジュアルプレース認識(VPR)では、画像と参照画像のマップと既知の参照ポーズとを比較して、クエリ画像のポーズを推定する。 この研究は、画像マッチングの不確実性を推定するための主要なアプローチを初めて比較した。 簡単なベースライン法であるSUE'を定式化し、他の方法と異なり、地図上の参照画像の自由なポーズを考える。
  論文  参考訳（メタデータ） (2024-03-31T03:24:48Z)
• Modeling uncertainty for Gaussian Splatting [21.836830270709]
  ガウススティング(GS)を用いた不確実性推定のための最初のフレームワークを提案する。 本稿では,不確実性予測をGSの共通レンダリングパイプラインにシームレスに統合する,変分推論に基づくアプローチを提案する。 また、損失関数の新たな用語としてAUSE(Area Under Sparsification Error)を導入し、画像再構成とともに不確実性推定の最適化を可能にする。
  論文  参考訳（メタデータ） (2024-03-27T11:45:08Z)
• How to Trust Your Diffusion Model: A Convex Optimization Approach to Conformal Risk Control [9.811982443156063]
  本稿では、画像から画像への回帰タスクに着目し、リスク制御予測セット(RCPS)の手順を一般化する。 提案手法は, 平均間隔長を最大化しつつ, 多次元リスク制御を可能にする新しい凸最適化手法に依存している。 本研究は,腹部の自然像とCTスキャンの2つの実世界の画像記述問題に対するアプローチについて述べる。
  論文  参考訳（メタデータ） (2023-02-07T23:01:16Z)
• Recursively Feasible Probabilistic Safe Online Learning with Control Barrier Functions [60.26921219698514]
  CBFをベースとした安全クリティカルコントローラのモデル不確実性を考慮した再構成を提案する。 次に、結果の安全制御器のポイントワイズ実現可能性条件を示す。 これらの条件を利用して、イベントトリガーによるオンラインデータ収集戦略を考案する。
  論文  参考訳（メタデータ） (2022-08-23T05:02:09Z)
• Towards Reducing Aleatoric Uncertainty for Medical Imaging Tasks [5.220940151628734]
  予測の不確かさは、データ(アーキテクチャ)と不正確なモデル推論(エピステミック)におけるノイズやランダム性に起因する可能性がある 本研究では,自己教師型タスクから推定される不確実性を,データ固有のノイズとして解釈する手法を提案する。 本研究は,画像分割作業におけるアレーラティック不確実性を著しく低減する手法の有効性を示すものである。
  論文  参考訳（メタデータ） (2021-10-21T09:31:00Z)
• PDC-Net+: Enhanced Probabilistic Dense Correspondence Network [161.76275845530964]
  高度確率密度対応ネットワーク(PDC-Net+)は、精度の高い高密度対応を推定できる。 我々は、堅牢で一般化可能な不確実性予測に適したアーキテクチャと強化されたトレーニング戦略を開発する。 提案手法は,複数の挑戦的幾何マッチングと光学的フローデータセットに対して,最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-09-28T17:56:41Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)

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。