論文の概要: A New Perspective on Precision and Recall for Generative Models

• arxiv url: http://arxiv.org/abs/2511.02414v1
• Date: Tue, 04 Nov 2025 09:44:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:05.880114
• Title: A New Perspective on Precision and Recall for Generative Models
• Title（参考訳）: 生成モデルの精度とリコールの新しい視点
• Authors: Benjamin Sykes, Loïc Simon, Julien Rabin, Jalal Fadili,
• Abstract要約: 生成モデルのための精度とリコール(PR)は、新しい研究の道を開いた。 本稿では,二項分類の観点からPR曲線全体を推定する新しい枠組みを提案する。
• 参考スコア（独自算出の注目度）: 3.1323840021317255
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the recent success of generative models in image and text, the question of their evaluation has recently gained a lot of attention. While most methods from the state of the art rely on scalar metrics, the introduction of Precision and Recall (PR) for generative model has opened up a new avenue of research. The associated PR curve allows for a richer analysis, but their estimation poses several challenges. In this paper, we present a new framework for estimating entire PR curves based on a binary classification standpoint. We conduct a thorough statistical analysis of the proposed estimates. As a byproduct, we obtain a minimax upper bound on the PR estimation risk. We also show that our framework extends several landmark PR metrics of the literature which by design are restrained to the extreme values of the curve. Finally, we study the different behaviors of the curves obtained experimentally in various settings.
• Abstract（参考訳）: 近年,画像およびテキストにおける生成モデルの成功により,その評価に対する疑問が近年注目されている。 最先端の手法の多くはスカラーメトリクスに依存しているが、生成モデルのための精度とリコール(PR)の導入は、新しい研究の道を開いた。 関連するPR曲線はよりリッチな解析を可能にするが、その推定にはいくつかの課題がある。 本稿では,二項分類の観点からPR曲線全体を推定する新しい枠組みを提案する。 提案した推定値の詳細な統計分析を行う。 副産物として,PR推定リスクの最小上限を求める。 また,本フレームワークは,曲線の極値に制限される文献のいくつかの目立ったPR指標を拡張していることを示す。 最後に,様々な環境で実験により得られた曲線の異なる挙動について検討した。

関連論文リスト

• Rethinking Metrics and Benchmarks of Video Anomaly Detection [58.37571339811799]
  ビデオ異常検出(VAD)は、期待から外れた異常を検出することを目的としている。 既存のVADメトリクスは、単一のアノテーションバイアスの影響を受けます。 既存のベンチマークには、完全に/弱い教師付きアルゴリズムのシーンオーバーフィットを評価する能力がない。
  論文  参考訳（メタデータ） (2025-05-25T08:09:42Z)
• On Minimax Estimation of Parameters in Softmax-Contaminated Mixture of Experts [66.39976432286905]
  ゲーティングおよびプロンプトパラメータの最大極大推定器の収束率について検討する。 事前学習したモデルと重なり合う知識を取得すると,これらのパラメータの推定可能性が損なわれることがわかった。
  論文  参考訳（メタデータ） (2025-05-24T01:30:46Z)
• Enhancement of Approximation Spaces by the Use of Primals and Neighborhood [0.0]
  近隣と原始」からのインスピレーションを引き出す4つの新しい一般化された粗集合モデルを導入する。 我々は、現在のモデルは、粗い集合モデルに関連するほとんどすべての重要な側面を保存できると主張している。 また、我々の日常的な健康に関する問題に対して定義する新たな戦略が、より正確な発見をもたらすことも示している。
  論文  参考訳（メタデータ） (2024-10-23T18:49:13Z)
• Forgetting Curve: A Reliable Method for Evaluating Memorization Capability for Long-context Models [58.6172667880028]
  長文モデルの暗記能力を測定するために,左折曲線と呼ばれる新しい手法を提案する。 テストコーパスと実験環境に頑健であることの利点を, 忘れる曲線は有益であることを示す。 本測定は,RNN/SSMモデルの有効性を疑問視しながら,トランスフォーマー拡張手法の有効性を示す実証的な証拠を提供する。
  論文  参考訳（メタデータ） (2024-10-07T03:38:27Z)
• Unifying and extending Precision Recall metrics for assessing generative models [1.17431678544333]
  生成モデルはFrechet Inception Distance(FID)やInception Score(IS)のようなスカラー値で比較されることを示す。 また、対応する文献で示される結果を超える一貫性のある結果も提供します。
  論文  参考訳（メタデータ） (2024-05-02T13:19:21Z)
• Precision-Recall Divergence Optimization for Generative Modeling with GANs and Normalizing Flows [54.050498411883495]
  本研究では,ジェネレーティブ・アドバイサル・ネットワークや正規化フローなどの生成モデルのための新しいトレーニング手法を開発した。 指定された精度-リコールトレードオフを達成することは、textitPR-divergencesと呼ぶ家族からのユニークな$f$-divergenceを最小化することを意味する。 当社のアプローチは,ImageNetなどのデータセットでテストした場合の精度とリコールの両面で,BigGANのような既存の最先端モデルの性能を向上させる。
  論文  参考訳（メタデータ） (2023-05-30T10:07:17Z)
• Hierarchical Gaussian Process Models for Regression Discontinuity/Kink under Sharp and Fuzzy Designs [0.0]
  回帰不連続/リンク(RD/RK)を用いた因果推論のための非パラメトリックベイズ推定器を提案する。 これらの推定器は、中間ベイズニューラルネットワーク層を持つ階層型GPモデルに拡張される。 モンテカルロシミュレーションにより、我々の推定器は、精度、カバレッジ、間隔長の点で競合する推定器よりもよく、しばしばよく機能することを示した。
  論文  参考訳（メタデータ） (2021-10-03T04:23:56Z)
• Pros and Cons of GAN Evaluation Measures: New Developments [53.10151901863263]
  この作品は、数年前に発表された同じトピックに関する以前の論文の更新です。 モデル評価において重要になっている新しい次元について述べ、GAN評価とディープフェイクの関係について論じる。
  論文  参考訳（メタデータ） (2021-03-17T01:48:34Z)
• Provable Benefits of Overparameterization in Model Compression: From Double Descent to Pruning Neural Networks [38.153825455980645]
  最近の実証的な証拠は、オーバライゼーションの実践が大きなモデルのトレーニングに利益をもたらすだけでなく、軽量モデルの構築を支援することも示している。 本稿では,モデル刈り込みの高次元ツールセットを理論的に特徴付けることにより,これらの経験的発見に光を当てる。 もっとも情報に富む特徴の位置が分かっていても、我々は大きなモデルに適合し、刈り取るのがよい体制を解析的に特定する。
  論文  参考訳（メタデータ） (2020-12-16T05:13:30Z)
• On the Theoretical Equivalence of Several Trade-Off Curves Assessing Statistical Proximity [4.626261940793027]
  高精度リコール(PR)曲線,ローレンツ曲線,レシーバ動作特性(ROC)曲線,およびR'enyi発散フロンティアの特別な場合の4つの曲線の統一を提案する。 さらに、領域適応境界の導出を伴うPR/ローレンツ曲線間のリンクについて論じる。
  論文  参考訳（メタデータ） (2020-06-21T14:32:38Z)

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。