論文の概要: Conformal Prediction Sets for Instance Segmentation

• arxiv url: http://arxiv.org/abs/2602.10045v1
• Date: Tue, 10 Feb 2026 18:15:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.734238
• Title: Conformal Prediction Sets for Instance Segmentation
• Title（参考訳）: インスタンスセグメンテーションのためのコンフォーマル予測セット
• Authors: Kerri Lu, Dan M. Kluger, Stephen Bates, Sherrie Wang,
• Abstract要約: 本稿では,適応的信頼度セットを生成するための共形予測アルゴリズムを提案する。 画像と画素座標クエリが与えられた場合、このアルゴリズムはその画素のインスタンス予測の信頼性セットを生成する。 本アルゴリズムは, 農業分野のデライン, 細胞セグメンテーション, 車両検出におけるセグメンテーションの例に適用する。
• 参考スコア（独自算出の注目度）: 10.042082668896038
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current instance segmentation models achieve high performance on average predictions, but lack principled uncertainty quantification: their outputs are not calibrated, and there is no guarantee that a predicted mask is close to the ground truth. To address this limitation, we introduce a conformal prediction algorithm to generate adaptive confidence sets for instance segmentation. Given an image and a pixel coordinate query, our algorithm generates a confidence set of instance predictions for that pixel, with a provable guarantee for the probability that at least one of the predictions has high Intersection-Over-Union (IoU) with the true object instance mask. We apply our algorithm to instance segmentation examples in agricultural field delineation, cell segmentation, and vehicle detection. Empirically, we find that our prediction sets vary in size based on query difficulty and attain the target coverage, outperforming existing baselines such as Learn Then Test, Conformal Risk Control, and morphological dilation-based methods. We provide versions of the algorithm with asymptotic and finite sample guarantees.
• Abstract（参考訳）: 現在のインスタンスセグメンテーションモデルは、平均的な予測では高い性能を達成するが、原理的な不確実性定量化が欠如している。 この制限に対処するために、インスタンスセグメンテーションのための適応的信頼セットを生成する共形予測アルゴリズムを導入する。 画像と画素座標クエリが与えられた場合、我々のアルゴリズムは、その画素のインスタンス予測の信頼性セットを生成し、少なくとも1つの予測が真のオブジェクトのインスタンスマスクと高いインターセクション・オーバー・ユニオン(IoU)を持つ確率を保証する。 本アルゴリズムは, 農業分野のデライン, 細胞セグメンテーション, 車両検出におけるセグメンテーションの例に適用する。 実験により,我々の予測セットはクエリの難易度に基づいて変化し,対象範囲を達成し,学習時テストやコンフォーマルリスクコントロール,形態的拡張に基づく手法など,既存のベースラインを上回っていることがわかった。 漸近的かつ有限なサンプル保証を持つアルゴリズムのバージョンを提供する。

関連論文リスト

• Controlling False Positives in Image Segmentation via Conformal Prediction [2.339515934428971]
  本稿では,疑似肯定予測の分布自由な画像レベル制御による信頼マスク構築のための簡易なフレームワークを提案する。 本フレームワークは,オーバーセグメンテーションが臨床効果をもたらすような環境で,実用的なリスク対応セグメンテーションを可能にする。
  論文  参考訳（メタデータ） (2025-11-19T13:02:50Z)
• Conformal Prediction for Image Segmentation Using Morphological Prediction Sets [0.7673339435080445]
  本稿では,二項分割に着目し,共形予測を用いてこれらの課題に対処する。 我々のアプローチは、トレーニング中に使われていないキャリブレーションデータに基づいて、予測残差の型である非整合性スコアを計算することである。 医療画像の応用について検討する。
  論文  参考訳（メタデータ） (2025-03-07T17:42:30Z)
• Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores [52.92618442300405]
  有限サンプルにおいて、正確に分布のない条件付きカバレッジを達成することは不可能である。 本稿では,最も重要となる範囲を対象とするコンフォメーション予測アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-17T12:01:56Z)
• Conformal Generative Modeling with Improved Sample Efficiency through Sequential Greedy Filtering [55.15192437680943]
  生成モデルは出力に対する厳密な統計的保証を欠いている。 厳密な統計的保証を満たす予測セットを生成する逐次共形予測法を提案する。 このことは、高い確率で予測セットが少なくとも1つの許容可能な(または有効な)例を含むことを保証している。
  論文  参考訳（メタデータ） (2024-10-02T15:26:52Z)
• Pixel-wise Gradient Uncertainty for Convolutional Neural Networks applied to Out-of-Distribution Segmentation [0.43512163406552007]
  本稿では,推定時に効率よく計算できる画素単位の損失勾配から不確実点を求める手法を提案する。 本実験は,提案手法が誤った画素分類を識別し,無視可能な計算オーバーヘッドで予測品質を推定する能力を示す。
  論文  参考訳（メタデータ） (2023-03-13T08:37:59Z)
• Efficient and Differentiable Conformal Prediction with General Function Classes [96.74055810115456]
  本稿では,複数の学習可能なパラメータに対する共形予測の一般化を提案する。 本研究は, クラス内において, ほぼ有効な人口被覆率, ほぼ最適効率を実現していることを示す。 実験の結果,提案アルゴリズムは有効な予測セットを学習し,効率を著しく向上できることがわかった。
  論文  参考訳（メタデータ） (2022-02-22T18:37:23Z)
• Few-shot Conformal Prediction with Auxiliary Tasks [29.034390810078172]
  対象タスクがトレーニングに利用可能なデータに制限がある場合に,コンフォメーション予測を行うための新しい手法を開発した。 共形予測をメタラーニングパラダイムとしてキャスティングすることで、望ましい限界保証を維持しつつ、より厳密な予測セットを得る。 本手法は,自然言語処理,コンピュータビジョン,薬物発見のための計算化学において,数発の分類と回帰タスクにまたがる効果を示す。
  論文  参考訳（メタデータ） (2021-02-17T17:46:57Z)
• Uncertainty Sets for Image Classifiers using Conformal Prediction [112.54626392838163]
  本稿では,任意の分類器を修飾して真のラベルを含む予測集合を,90%などのユーザ指定確率で出力するアルゴリズムを提案する。 このアルゴリズムはPlatetスケーリングのようにシンプルで高速だが、すべてのモデルとデータセットに対して正式な有限サンプルカバレッジを保証する。 提案手法は,Plattスケーリング後の可逆クラスの小さなスコアを正規化することにより,より安定した予測セットを与えるために,既存の共形予測アルゴリズムを改良する。
  論文  参考訳（メタデータ） (2020-09-29T17:58:04Z)

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。