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
- 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 [1.298367590658814]
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 [55.52743265122446]
ディープオートエンコーダは視覚領域における異常検出のタスクに使われてきた。
我々は、訓練中に識別情報を使用することが可能な自己指導型学習体制を適用することで、この問題に対処する。
MVTec ADデータセットを用いた実験では,高い検出性能と局所化性能を示した。
論文 参考訳(メタデータ) (2022-06-23T14:16:30Z) - Metrics reloaded: Recommendations for image analysis validation [59.60445111432934]
メトリクスのリロード(Metrics Reloaded)は、メトリクスの問題を意識した選択において研究者を導く包括的なフレームワークである。
このフレームワークは多段階のDelphiプロセスで開発され、問題指紋という新しい概念に基づいている。
問題指紋に基づいて、ユーザは適切なバリデーションメトリクスを選択して適用するプロセスを通じてガイドされる。
論文 参考訳(メタデータ) (2022-06-03T15:56:51Z) - 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) - Learning Discriminative Shrinkage Deep Networks for Image Deconvolution [122.79108159874426]
本稿では,これらの用語を暗黙的にモデル化する識別的縮小関数を学習することで,効果的に非盲検デコンボリューション手法を提案する。
実験結果から,提案手法は最先端の手法に対して,効率と精度の点で好適に動作することがわかった。
論文 参考訳(メタデータ) (2021-11-27T12:12:57Z)
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。