論文の概要: Minimax Multi-Target Conformal Prediction with Applications to Imaging Inverse Problems

• arxiv url: http://arxiv.org/abs/2511.13533v1
• Date: Mon, 17 Nov 2025 16:06:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-18 14:36:25.382418
• Title: Minimax Multi-Target Conformal Prediction with Applications to Imaging Inverse Problems
• Title（参考訳）: マルチターゲットコンフォーマル予測と画像逆問題への応用
• Authors: Jeffrey Wen, Rizwan Ahmad, Philip Schniter,
• Abstract要約: 画像逆問題において、不確実性定量化は、特に安全クリティカルな応用において、依然として根本的な課題である。 本稿では,複数対象の共形予測に対する最小限のアプローチを提案する。 我々は,既存のマルチターゲット共形予測法と比較して,ミニマックス法の利点を数値的に示す。
• 参考スコア（独自算出の注目度）: 16.259462766015822
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In ill-posed imaging inverse problems, uncertainty quantification remains a fundamental challenge, especially in safety-critical applications. Recently, conformal prediction has been used to quantify the uncertainty that the inverse problem contributes to downstream tasks like image classification, image quality assessment, fat mass quantification, etc. While existing works handle only a scalar estimation target, practical applications often involve multiple targets. In response, we propose an asymptotically minimax approach to multi-target conformal prediction that provides tight prediction intervals while ensuring joint marginal coverage. We then outline how our minimax approach can be applied to multi-metric blind image quality assessment, multi-task uncertainty quantification, and multi-round measurement acquisition. Finally, we numerically demonstrate the benefits of our minimax method, relative to existing multi-target conformal prediction methods, using both synthetic and magnetic resonance imaging (MRI) data.
• Abstract（参考訳）: 画像逆問題において、不確実性定量化は、特に安全クリティカルな応用において、依然として根本的な課題である。 近年,画像分類や画像品質評価,脂肪質量定量化などの下流作業に逆問題が寄与する不確かさの定量化に共形予測が用いられている。 既存の作業は、スカラー推定対象のみを扱うが、実用アプリケーションは、しばしば複数のターゲットを含む。 そこで本研究では,マルチターゲットコンフォメーション予測に対する漸近的に最小限のアプローチを提案する。 次に,マルチメトリックブラインド画像品質評価,マルチタスク不確実性定量化,マルチラウンド計測におけるミニマックス手法の適用方法について概説する。 最後に, 合成・磁気共鳴画像(MRI)データを用いて, 既存のマルチターゲット共形予測法と比較して, ミニマックス法の利点を数値的に示す。

関連論文リスト

• QUTCC: Quantile Uncertainty Training and Conformal Calibration for Imaging Inverse Problems [9.910688414749654]
  ディープラーニングモデルは、しばしば幻覚を与え、サンプルに存在しない現実的なアーティファクトを生成します。 これは、MRIや顕微鏡検査のような科学的および医学的な逆問題に恐ろしい結果をもたらす可能性がある。 量子不確実性トレーニングと校正技術であるQUTCCを提案する。
  論文  参考訳（メタデータ） (2025-07-19T21:44:14Z)
• Uncertainty Quantification Framework for Aerial and UAV Photogrammetry through Error Propagation [5.146618378243241]
  点雲の点ごとの精度認証を提供するためには、光グラム法プロセスの不確かさの定量化が不可欠である。 本稿では,この2段階のフォトグラム法における誤差共分散行列を点当たりに関連付けることにより,不確実性定量化の枠組みを提案する。 既存の手法と比較して,本手法ではMVSプロセスから直接抽出した自己完結型,信頼性の高い3次元点を用いる。
  論文  参考訳（メタデータ） (2025-07-17T18:50:01Z)
• FIMA-Q: Post-Training Quantization for Vision Transformers by Fisher Information Matrix Approximation [55.12070409045766]
  ポストトレーニング量子化(PTQ)は近年,費用対効果と有望なモデル圧縮パラダイムとして注目されている。 ビジョン変換器(ViT)の現在のPTQ法は、特に低ビット量子化において、精度が著しく低下している。
  論文  参考訳（メタデータ） (2025-06-13T07:57:38Z)
• A Meaningful Perturbation Metric for Evaluating Explainability Methods [55.09730499143998]
  本稿では,画像生成モデルを用いて標的摂動を行う新しい手法を提案する。 具体的には,画像の忠実さを保ちながら,入力画像の高関連画素のみを塗布し,モデルの予測を変更することに焦点を当てる。 これは、しばしばアウト・オブ・ディストリビューションの修正を生み出し、信頼できない結果をもたらす既存のアプローチとは対照的である。
  論文  参考訳（メタデータ） (2025-04-09T11:46:41Z)
• High-probability minimax lower bounds [2.5993680263955947]
  ミニマックス量子化の概念を導入し、その量子化レベルへの依存を明確にする。 我々は、古典的なル・カム法とファノ法の高確率変種を開発し、局所的なミニマックスリスクの下限をミニマックス量子化上の下限に変換する技術を開発した。
  論文  参考訳（メタデータ） (2024-06-19T11:15:01Z)
• Task-Driven Uncertainty Quantification in Inverse Problems via Conformal Prediction [11.393603788068777]
  逆問題の画像化では、画像が欠落/破損した測定結果から回復しようとする。 検索した画像が下流タスクに使用されるアプリケーションによって動機付けられ,不確実性定量化のためのタスク中心のアプローチを提案する。
  論文  参考訳（メタデータ） (2024-05-28T18:49:17Z)
• When Measures are Unreliable: Imperceptible Adversarial Perturbations toward Top-$k$ Multi-Label Learning [83.8758881342346]
  新しい損失関数は、視覚的および測定的不受容性を両立できる敵の摂動を生成するために考案された。 大規模ベンチマークデータセットを用いた実験により,提案手法が最上位の$kのマルチラベルシステムを攻撃する際の優位性を実証した。
  論文  参考訳（メタデータ） (2023-07-27T13:18:47Z)
• MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential Deepfake Detection [81.59191603867586]
  シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。 偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。 顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
  論文  参考訳（メタデータ） (2023-07-06T02:32:08Z)
• 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)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)

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。