論文の概要: CP$^2$: Leveraging Geometry for Conformal Prediction via Canonicalization

• arxiv url: http://arxiv.org/abs/2506.16189v1
• Date: Thu, 19 Jun 2025 10:12:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.027748
• Title: CP$^2$: Leveraging Geometry for Conformal Prediction via Canonicalization
• Title（参考訳）: CP$^2$:正準化による等角予測のためのレバレッジ幾何学
• Authors: Putri A. van der Linden, Alexander Timans, Erik J. Bekkers,
• Abstract要約: 幾何データシフトにおける共形予測(CP)の問題について検討する。 本稿では,幾何的ポーズなどの幾何学的情報を統合することを提案する。
• 参考スコア（独自算出の注目度）: 51.716834831684004
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of conformal prediction (CP) under geometric data shifts, where data samples are susceptible to transformations such as rotations or flips. While CP endows prediction models with post-hoc uncertainty quantification and formal coverage guarantees, their practicality breaks under distribution shifts that deteriorate model performance. To address this issue, we propose integrating geometric information--such as geometric pose--into the conformal procedure to reinstate its guarantees and ensure robustness under geometric shifts. In particular, we explore recent advancements on pose canonicalization as a suitable information extractor for this purpose. Evaluating the combined approach across discrete and continuous shifts and against equivariant and augmentation-based baselines, we find that integrating geometric information with CP yields a principled way to address geometric shifts while maintaining broad applicability to black-box predictors.
• Abstract（参考訳）: 本研究では,データサンプルが回転やフリップなどの変換の影響を受けやすい幾何学的データシフト下での共形予測(CP)問題について検討する。 CPは、ポストホック不確実性定量化と形式的カバレッジ保証を備えた予測モデルを提供するが、それらの実用性は、モデル性能を劣化させる分布シフトの下で破られる。 この問題に対処するために、幾何学的ポーズのような幾何学的情報を統合することを提案し、その保証を再主張し、幾何学的シフトの下で堅牢性を確保する。 特に、この目的のために適切な情報抽出器として、ポーズ正則化の最近の進歩について検討する。 離散的・連続的なシフトと等変的・拡張的ベースラインに対する組み合わせのアプローチを評価すると、幾何情報とCPを統合することは、ブラックボックス予測器への広範な適用性を保ちながら、幾何学的シフトに対処する原則的な方法であることがわかった。

関連論文リスト

• sparseGeoHOPCA: A Geometric Solution to Sparse Higher-Order PCA Without Covariance Estimation [8.802387139798808]
  本稿では,高次主成分分析(SHOPCA)のための新しいフレームワークを提案する。 本稿では,SparseGeoHOPが高次元画像設定とImageNet上でサポートされていることを示す。
  論文  参考訳（メタデータ） (2025-06-10T10:30:48Z)
• PAID: Pairwise Angular-Invariant Decomposition for Continual Test-Time Adaptation [71.15558243612227]
  本稿では,事前学習した重みの幾何学的特性を出発点として,3つの重要な成分(等級,絶対角,対角構造)を体系的に解析する。 両角構造は多種多様なドメインにわたって安定であり, ドメイン不変な意味情報を符号化し, 適応中に保存すべきことを示唆する。
  論文  参考訳（メタデータ） (2025-06-03T05:18:15Z)
• Bridging Geometric States via Geometric Diffusion Bridge [79.60212414973002]
  本稿では,初期および対象の幾何状態を正確にブリッジする新しい生成モデリングフレームワークであるGeometric Diffusion Bridge (GDB)を紹介する。 GDBは、幾何学的状態の接続のためにDoobの$h$-transformの修正版から派生した同変拡散ブリッジを使用している。 我々はGDBが既存の最先端のアプローチを超越し、幾何学的状態を正確にブリッジするための新しい経路を開くことを示す。
  論文  参考訳（メタデータ） (2024-10-31T17:59:53Z)
• Disentangled Representation Learning with the Gromov-Monge Gap [65.73194652234848]
  乱れのないデータから歪んだ表現を学習することは、機械学習における根本的な課題である。 本稿では,2次最適輸送に基づく非交叉表現学習手法を提案する。 提案手法の有効性を4つの標準ベンチマークで示す。
  論文  参考訳（メタデータ） (2024-07-10T16:51:32Z)
• Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
  本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。 提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。 本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
  論文  参考訳（メタデータ） (2024-02-08T17:57:59Z)
• Geometric Scattering on Measure Spaces [15.819230791757906]
  測度空間上での幾何散乱の一般統一モデルを導入する。 未知多様体をランダムにサンプリングして得られる有限測度空間を考える。 本稿では, 関連するグラフ散乱変換が基礎多様体上の散乱変換を近似するデータ駆動グラフを構築するための2つの方法を提案する。
  論文  参考訳（メタデータ） (2022-08-17T22:40:09Z)
• Geometric variational inference [0.0]
  変分推論 (VI) またはマルコフ・チェイン・モンテカルロ (MCMC) 技術は点推定を超えて用いられる。 本研究は,リーマン幾何学とフィッシャー情報量に基づく幾何学的変分推論(geoVI)を提案する。 変換によって誘導される座標系で表される分布は、特に単純であり、正確な変分近似を可能にする。
  論文  参考訳（メタデータ） (2021-05-21T17:18:50Z)
• Learning Flat Latent Manifolds with VAEs [16.725880610265378]
  本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。 我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。 提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
  論文  参考訳（メタデータ） (2020-02-12T09:54:52Z)

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。