論文の概要: Uncertainty quantification for fast reconstruction methods using augmented equivariant bootstrap: Application to radio interferometry

• arxiv url: http://arxiv.org/abs/2410.23178v1
• Date: Wed, 30 Oct 2024 16:36:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-31 14:26:14.894216
• Title: Uncertainty quantification for fast reconstruction methods using augmented equivariant bootstrap: Application to radio interferometry
• Title（参考訳）: 拡張同変ブートストラップを用いた高速再構成手法の不確かさ定量化:ラジオ干渉計への応用
• Authors: Mostafa Cherif, Tobías I. Liaudat, Jonathan Kern, Christophe Kervazo, Jérôme Bobin,
• Abstract要約: 次世代の電波干渉計であるSquare Kilometer Arrayは、我々の電波天文学能力に革命をもたらすと約束している。 これらのデバイスが生成する前例のない量のデータは、不適切な電波干渉画像の問題を解決するために、高速で正確な画像再構成アルゴリズムを必要とする。 高速な再構成手法における不確かさを定量化できるラジオ拡張同変ブートストラップ法の適合バージョンに基づく教師なし手法を提案する。
• 参考スコア（独自算出の注目度）: 2.8311497176067104
• License:
• Abstract: The advent of next-generation radio interferometers like the Square Kilometer Array promises to revolutionise our radio astronomy observational capabilities. The unprecedented volume of data these devices generate requires fast and accurate image reconstruction algorithms to solve the ill-posed radio interferometric imaging problem. Most state-of-the-art reconstruction methods lack trustworthy and scalable uncertainty quantification, which is critical for the rigorous scientific interpretation of radio observations. We propose an unsupervised technique based on a conformalized version of a radio-augmented equivariant bootstrapping method, which allows us to quantify uncertainties for fast reconstruction methods. Noticeably, we rely on reconstructions from ultra-fast unrolled algorithms. The proposed method brings more reliable uncertainty estimations to our problem than existing alternatives.
• Abstract（参考訳）: Square Kilometer Arrayのような次世代の電波干渉計の出現は、我々の電波天文学の観測能力に革命をもたらすと約束している。 これらのデバイスが生成する前例のない量のデータは、不適切な電波干渉画像の問題を解決するために、高速で正確な画像再構成アルゴリズムを必要とする。 最先端の再構築手法の多くは信頼性とスケーラブルな不確実性定量化を欠いているが、これは電波観測の厳密な科学的解釈にとって重要なものである。 高速な再構成手法における不確実性を定量化できるラジオ拡張同変ブートストラップ方式の同型化バージョンに基づく教師なし手法を提案する。 注目すべきは、超高速なアンロールアルゴリズムの再構築に頼っていることです。 提案手法は,既存手法よりも信頼性の高い不確実性推定を実現する。

関連論文リスト

• RF Challenge: The Data-Driven Radio Frequency Signal Separation Challenge [66.33067693672696]
  本稿では、新しいデータ駆動手法を用いて、高周波信号における干渉拒否の重大な問題に対処する。 まず、干渉除去アルゴリズムの開発と解析の基礎となる洞察に富んだ信号モデルを提案する。 第2に,さまざまなRF信号とコードテンプレートを備えた公開データセットであるRF Challengeを紹介する。 第3に,UNetやWaveNetなどのアーキテクチャにおいて,新しいAIに基づく拒絶アルゴリズムを提案し,その性能を8種類の信号混合タイプで評価する。
  論文  参考訳（メタデータ） (2024-09-13T13:53:41Z)
• Instant Uncertainty Calibration of NeRFs Using a Meta-calibrator [60.47106421809998]
  我々は,1つの前方パスを持つNeRFに対して不確実な校正を行うメタ校正器の概念を導入する。 メタキャリブレータは、見えないシーンを一般化し、NeRFの良好な校正と最先端の不確実性を実現できることを示す。
  論文  参考訳（メタデータ） (2023-12-04T21:29:31Z)
• Scalable Bayesian uncertainty quantification with data-driven priors for radio interferometric imaging [5.678038945350452]
  次世代の電波干渉計は、前例のない角分解能と感度のおかげで、科学的発見を解き放つ可能性がある。 潜在的な可能性を解き放つ鍵の1つは、受信データの希薄さと複雑さを扱うことである。 本研究では,ラジオインターフェロメトリイメージングにおける不確実性定量化に対処するQuantifAIという手法を提案する。
  論文  参考訳（メタデータ） (2023-11-30T19:00:02Z)
• Bayesian Imaging for Radio Interferometry with Score-Based Priors [36.136619420474766]
  提案手法は, 未特定銀河であるにもかかわらず, 可塑性後部試料を作製することを示す。 提案手法は既存の電波干渉画像アルゴリズムと競合する結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-11-29T19:01:05Z)
• Amortized Normalizing Flows for Transcranial Ultrasound with Uncertainty Quantification [1.1744028458220426]
  本稿では, 正常化流を利用した経頭蓋骨超音波CTによる画像の高速化のための新しい手法を提案する。 我々は、既知の超音波物理を、大きな入射観測を圧縮する目的に組み込むために、物理インフォームド・サマリー統計を利用する。
  論文  参考訳（メタデータ） (2023-03-06T20:13:41Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• Denoising Diffusion Restoration Models [110.1244240726802]
  Denoising Diffusion Restoration Models (DDRM) は効率的で教師なしの後方サンプリング手法である。 DDRMの汎用性を、超高解像度、デブロアリング、インペイント、カラー化のためにいくつかの画像データセットに示す。
  論文  参考訳（メタデータ） (2022-01-27T20:19:07Z)
• Radio-Assisted Human Detection [61.738482870059805]
  本稿では,無線情報を最先端検出手法に組み込んだ無線支援人体検知フレームワークを提案する。 我々は、人検出を支援するために、無線信号から無線の局部化と識別情報を抽出する。 シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)とミスレートが、無線情報を用いて改善できることが示されている。
  論文  参考訳（メタデータ） (2021-12-16T09:53:41Z)
• Simultaneous Reconstruction and Uncertainty Quantification for Tomography [0.0]
  基底的真理がなければ、解の質の定量化は非常に望ましいが、未探索である。 本研究では,ガウス過程のモデリングを通じて,サンプル特徴や実験ノイズの事前知識を柔軟かつ明示的に取り入れることによって,この問題に対処する。 提案手法は,既存手法に匹敵する再構成だけでなく,解の不確かさの定量化にも有効である。
  論文  参考訳（メタデータ） (2021-03-29T18:16:57Z)
• Bayesian Uncertainty Estimation of Learned Variational MRI Reconstruction [63.202627467245584]
  我々は,モデル不連続な不確かさを定量化するベイズ変分フレームワークを提案する。 提案手法はMRIのアンダーサンプを用いた再建術の術後成績を示す。
  論文  参考訳（メタデータ） (2021-02-12T18:08:14Z)
• Quantifying Sources of Uncertainty in Deep Learning-Based Image Reconstruction [5.129343375966527]
  本稿では,学習反復画像再構成におけるアレタリックおよびエピステマティック不確かさを同時に定量化する,スケーラブルで効率的なフレームワークを提案する。 本手法は,スパークビューと制限角度データの両方を用いて,従来の計算トモグラフィーのベンチマークと競合する性能を示す。
  論文  参考訳（メタデータ） (2020-11-17T04:12:52Z)

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。