論文の概要: Application-driven Validation of Posteriors in Inverse Problems

• arxiv url: http://arxiv.org/abs/2309.09764v1
• Date: Mon, 18 Sep 2023 13:44:36 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 13:23:18.484730
• Title: Application-driven Validation of Posteriors in Inverse Problems
• Title（参考訳）: 逆問題における後肢の応用駆動検証
• Authors: Tim J. Adler, Jan-Hinrich N\"olke, Annika Reinke, Minu Dietlinde Tizabi, Sebastian Gruber, Dasha Trofimova, Lynton Ardizzone, Paul F. Jaeger, Florian Buettner, Ullrich K\"othe, Lena Maier-Hein
• Abstract要約: 逆問題における後続手法のアプリケーション駆動型検証のための最初の体系的枠組みを提案する。 モードをインスタンスとして扱うことで、アプリケーションの観点からよく解釈可能なメトリクスを使用して、モード中心のバリデーションを実行できます。
• 参考スコア（独自算出の注目度）: 11.297855715642141
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current deep learning-based solutions for image analysis tasks are commonly incapable of handling problems to which multiple different plausible solutions exist. In response, posterior-based methods such as conditional Diffusion Models and Invertible Neural Networks have emerged; however, their translation is hampered by a lack of research on adequate validation. In other words, the way progress is measured often does not reflect the needs of the driving practical application. Closing this gap in the literature, we present the first systematic framework for the application-driven validation of posterior-based methods in inverse problems. As a methodological novelty, it adopts key principles from the field of object detection validation, which has a long history of addressing the question of how to locate and match multiple object instances in an image. Treating modes as instances enables us to perform mode-centric validation, using well-interpretable metrics from the application perspective. We demonstrate the value of our framework through instantiations for a synthetic toy example and two medical vision use cases: pose estimation in surgery and imaging-based quantification of functional tissue parameters for diagnostics. Our framework offers key advantages over common approaches to posterior validation in all three examples and could thus revolutionize performance assessment in inverse problems.
• Abstract（参考訳）: 画像解析タスクに対する現在のディープラーニングベースのソリューションは、複数の異なる可算解が存在する問題を扱うことができないのが一般的である。 これに対し, 条件付き拡散モデルや非可逆ニューラルネットワークなどの後進的手法が出現しているが, 適切な検証方法の欠如により翻訳が妨げられている。 言い換えれば、進捗を計測する方法は、しばしば実際に運転するアプリケーションのニーズを反映していない。 文献におけるこのギャップを解消し、逆問題における後続法の適用駆動型検証のための最初の体系的枠組みを示す。 方法論的な斬新さとして、オブジェクト検出バリデーション(object detection validation)の分野から重要な原則を採用しています。 モードをインスタンスとして扱うことで、アプリケーションの観点から解釈可能なメトリクスを使用して、モード中心の検証が可能になります。 人工玩具のインスタンス化と,手術時のポーズ推定と診断のための機能組織パラメータのイメージングに基づく定量化の2つの医療ビジョン利用事例を用いて,本フレームワークの価値を実証した。 我々のフレームワークは,3つの例すべてにおいて,後続検証に対する共通のアプローチよりも重要な利点を提供し,逆問題における性能評価に革命をもたらす可能性がある。

関連論文リスト

• Unsupervised Model Diagnosis [49.36194740479798]
  本稿では,ユーザガイドを使わずに,意味論的対実的説明を生成するために,Unsupervised Model Diagnosis (UMO)を提案する。 提案手法は意味論における変化を特定し可視化し,その変化を広範囲なテキストソースの属性と照合する。
  論文  参考訳（メタデータ） (2024-10-08T17:59:03Z)
• Inverse Problems with Diffusion Models: A MAP Estimation Perspective [5.002087490888723]
  コンピュータでは、インペイント、デブロアリング、超解像などの画像復元タスクを逆問題として形式的にモデル化することができる。 本研究では,連続時間拡散モデルの逆条件生成過程をモデル化するMAP推定フレームワークを提案する。 提案手法を用いて,画像復元のための効率的なアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-07-27T15:41:13Z)
• Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
  本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。 提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。 医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
  論文  参考訳（メタデータ） (2024-03-19T09:28:19Z)
• Few-Shot Anomaly Detection with Adversarial Loss for Robust Feature Representations [8.915958745269442]
  異常検出は、データセット内の通常のパターンや分布から逸脱したデータポイントを特定することを目的とした、重要で困難なタスクである。 ワンクラス・ワン・モデル手法を用いて様々な手法が提案されているが、これらの手法はメモリ不足や訓練に十分なデータを必要とするといった現実的な問題に直面していることが多い。 本稿では,より堅牢で一般化された特徴表現を得るために,対向訓練損失を統合する数発の異常検出手法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T09:45:02Z)
• Targeted collapse regularized autoencoder for anomaly detection: black hole at the center [3.924781781769534]
  オートエンコーダは通常のクラスを超えて一般化することができ、いくつかの異常なサンプルに対して小さな再構成誤差を達成できる。 我々は、ニューラルネットワークコンポーネントの追加、計算の関与、煩雑なトレーニングの代わりに、再構成損失を計算的に軽い用語で補うという、驚くほど簡単な方法を提案する。 これは、オートエンコーダに基づく異常検出アルゴリズムのブラックボックスの性質を緩和し、さらなる利点、障害事例、潜在的な新しい方向の解明のための道筋を提供する。
  論文  参考訳（メタデータ） (2023-06-22T01:33:47Z)
• Deployment of Image Analysis Algorithms under Prevalence Shifts [6.373765910269204]
  領域ギャップは、医療画像解析のための機械学習(ML)ベースのソリューションの臨床的翻訳において、最も関連する障害の一つである。 そこで本研究では,トレーニング済みの分類器を新しい環境に適応させるために,推定したデプロイメントの頻度を利用して精度の高い画像分類を行うワークフローを提案する。
  論文  参考訳（メタデータ） (2023-03-22T13:16:37Z)
• JPEG Artifact Correction using Denoising Diffusion Restoration Models [110.1244240726802]
  本稿では,DDRM(Denoising Diffusion Restoration Models)に基づいて,非線形逆問題の解法を提案する。 我々は、DDRMで使用される擬逆演算子を活用し、この概念を他の測度演算子に一般化する。
  論文  参考訳（メタデータ） (2022-09-23T23:47:00Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Object-centric and memory-guided normality reconstruction for video anomaly detection [56.64792194894702]
  本稿では,ビデオ監視における異常検出問題に対処する。 異常事象の固有な規則性と不均一性のため、問題は正規性モデリング戦略と見なされる。 我々のモデルは、トレーニング中に異常なサンプルを見ることなく、オブジェクト中心の正規パターンを学習する。
  論文  参考訳（メタデータ） (2022-03-07T19:28:39Z)
• On Modality Bias Recognition and Reduction [70.69194431713825]
  マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。 本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。 本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-02-25T13:47:09Z)
• Mining the manifolds of deep generative models for multiple data-consistent solutions of ill-posed tomographic imaging problems [10.115302976900445]
  断層撮影は一般的に逆問題である。 本稿では,トモグラフィ逆問題に対する複数の解を求める経験的サンプリング手法を提案する。
  論文  参考訳（メタデータ） (2022-02-10T20:27:31Z)

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。