論文の概要: Rethinking Post-Hoc Calibration in Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2607.01902v1
• Date: Thu, 02 Jul 2026 09:01:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-03 19:45:08.751613
• Title: Rethinking Post-Hoc Calibration in Semantic Segmentation
• Title（参考訳）: セマンティックセグメンテーションにおけるポストホック校正の再考
• Abstract要約: ポストホックキャリブレーションは、セグメンテーションモデルを再訓練することなく、信頼度推定を補正する実用的な方法を提供する。 まず、全てのロジットに定数を加えるとソフトマックス確率は変わらないが、いくつかの標準校正器はこの任意のオフセットに依存することができる。 第二に、ポストホックキャリブレーションは通常、可能性に基づく目的を最小化することで適合するが、セグメンテーションモデルはDiceのようなタスク固有のメトリクスで訓練される。
• 参考スコア（独自算出の注目度）: 2.8002121919083685
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable confidence estimates are essential in semantic segmentation, especially in safety-critical settings where overconfident errors can mislead downstream decisions. Yet modern segmentation models often remain miscalibrated. Post-hoc calibration offers a practical way to correct confidence estimates without retraining the segmentation model, but its use in dense prediction raises structural issues that are often overlooked. We study two such issues. First, adding a constant to all logits leaves the softmax probabilities unchanged, but several standard calibrators can still depend on this arbitrary offset. As a result, two logit representations encoding the same predictive distribution may yield different calibrated probabilities. We define translation-invariant (TI) calibrators as those whose outputs are unchanged under such shifts, characterize which common calibrators satisfy this property, and construct TI counterparts of shift-sensitive calibrators to isolate the effect of removing representation dependence. Second, post-hoc calibration is typically fitted by minimizing a likelihood-based objective, whereas segmentation models are trained with task-specific metrics such as Dice. This mismatch can cause calibration to alter class orderings and degrade the deployed segmentation map. We study decision-preserving calibration under argmax- and order-preservation constraints. Since enforcing these constraints collapses affine softmax calibrators to temperature scaling, we introduce class-conditional affine calibrators that can be made argmax- or order-preserving while retaining greater expressivity, allowing us to quantify the calibration-segmentation trade-off induced by decision preservation. Across natural-image and medical segmentation benchmarks, and under corruption-based covariate shift, matched comparisons show that TI variants generally improve calibration metrics, while decision-preserving variants prevent segmentation degradation and retain strong calibration performance. These results provide practical design principles for well-defined post-hoc calibration pipelines in semantic segmentation.
• Abstract（参考訳）: 信頼性の高い信頼度推定はセマンティックセグメンテーションにおいて不可欠であり、特に過度に信頼されたエラーが下流の判断を誤解させるような安全クリティカルな設定において重要である。 しかし、現代のセグメンテーションモデルは、しばしば誤解される。 ポストホックキャリブレーションは、セグメンテーションモデルを再訓練することなく、信頼度推定を補正する実用的な方法を提供するが、密集予測での使用は、しばしば見過ごされる構造上の問題を引き起こす。 我々はそのような問題を2つ研究する。 まず、全てのロジットに定数を加えるとソフトマックス確率は変わらないが、いくつかの標準キャリブレータはこの任意のオフセットに依存することができる。 結果として、同じ予測分布を符号化する2つのロジット表現は、異なるキャリブレーションされた確率をもたらす可能性がある。 我々は、変換不変キャリブレータ(TI)を、そのようなシフトの下で出力が変化しないものとして定義し、どの共通キャリブレータがこの特性を満足するかを特徴付けるとともに、シフトに敏感なキャリブレータのTI対を構成して、表現依存を除去する効果を分離する。 第二に、ポストホックキャリブレーションは通常、可能性に基づく目的を最小化することで適合するが、セグメンテーションモデルはDiceのようなタスク固有のメトリクスで訓練される。 このミスマッチにより、キャリブレーションはクラス順序を変更し、デプロイされたセグメンテーションマップを分解する。 argmaxおよび順序保存制約下での判定保存校正について検討する。 これらの制約によってアフィンソフトマックスキャリブレータが温度スケーリングに崩壊するので、より高い表現性を維持しながらargmaxや秩序保存が可能なクラス条件アフィンキャリブレータを導入し、決定保存によって引き起こされるキャリブレーション・セグメンテーショントレードオフの定量化を可能にする。 自然画像と医学的セグメンテーションのベンチマーク全体と、汚職に基づく共変量シフトの下では、TIの変種は一般的に校正の指標を改善する一方、決定保存の変種はセグメンテーションの劣化を防ぎ、校正性能を強く維持することを示している。 これらの結果は、セマンティックセグメンテーションにおいて、適切に定義されたポストホックキャリブレーションパイプラインの設計原則を提供する。

関連論文リスト

• Scalable Utility-Aware Multiclass Calibration [53.28176049547449]
  ユーティリティキャリブレーション(英: Utility calibration)は、特定のユーティリティ関数に対するキャリブレーション誤差を測定する一般的なフレームワークである。 我々は、このフレームワークが既存のキャリブレーションメトリクスを統一し、再解釈する方法を実証する。
  論文  参考訳（メタデータ） (2025-10-29T12:32:14Z)
• Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
  攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。 我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
  論文  参考訳（メタデータ） (2024-05-22T18:52:09Z)
• From Uncertainty to Precision: Enhancing Binary Classifier Performance through Calibration [0.3495246564946556]
  モデル予測スコアはイベント確率として一般的に見なされるので、キャリブレーションは正確な解釈に不可欠である。 歪み評価のための様々なキャリブレーション尺度の感度を解析し,改良された指標であるローカルスコアを導入する。 これらの知見をランダムフォレスト分類器と回帰器を用いて実世界のシナリオに適用し、キャリブレーションを同時に測定しながら信用デフォルトを予測する。
  論文  参考訳（メタデータ） (2024-02-12T16:55:19Z)
• Calibration by Distribution Matching: Trainable Kernel Calibration Metrics [56.629245030893685]
  カーネルベースのキャリブレーションメトリクスを導入し、分類と回帰の両方で一般的なキャリブレーションの形式を統一・一般化する。 これらの指標は、異なるサンプル推定を許容しており、キャリブレーションの目的を経験的リスク最小化に組み込むのが容易である。 決定タスクにキャリブレーションメトリクスを調整し、正確な損失推定を行ない、後悔しない決定を行うための直感的なメカニズムを提供する。
  論文  参考訳（メタデータ） (2023-10-31T06:19:40Z)
• On Calibrating Semantic Segmentation Models: Analyses and An Algorithm [51.85289816613351]
  セマンティックセグメンテーションキャリブレーションの問題について検討する。 モデルキャパシティ、作物サイズ、マルチスケールテスト、予測精度はキャリブレーションに影響を及ぼす。 我々は、単純で統一的で効果的なアプローチ、すなわち選択的スケーリングを提案する。
  論文  参考訳（メタデータ） (2022-12-22T22:05:16Z)
• What is Your Metric Telling You? Evaluating Classifier Calibration under Context-Specific Definitions of Reliability [6.510061176722249]
  我々は、キャリブレーション誤差を正確に測定する、より表現力のあるメトリクスを開発する必要があると論じる。 信頼性の異なる定義の下でキャリブレーション誤差を測定するために,期待誤差(ECE)の一般化を用いる。 1) 予測クラスのみに焦点をあてたECEの定義は,信頼性の実際的有用な定義の選択の下でキャリブレーション誤差を正確に測定することができず,2) 多くの一般的なキャリブレーション手法は,ECEメトリクス全体でキャリブレーション性能を均一に改善することができない。
  論文  参考訳（メタデータ） (2022-05-23T16:45:02Z)
• Hidden Heterogeneity: When to Choose Similarity-Based Calibration [12.788224825185633]
  ブラックボックスキャリブレーション法は、キャリブレーションが予測精度を向上させるサブポレーションを検出することができない。 隠れ不均一性(HH)の定量的尺度を提案する。 実験により, 類似度に基づくキャリブレーション法によって達成されたキャリブレーションの改善は, 現在あるHH量と相関し, 十分なキャリブレーションデータを得た場合, 大域的なキャリブレーション法で達成したキャリブレーションを概ね上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-02-03T20:43:25Z)
• Localized Calibration: Metrics and Recalibration [133.07044916594361]
  完全大域キャリブレーションと完全個別化キャリブレーションのギャップにまたがる細粒度キャリブレーション指標を提案する。 次に,局所再校正法であるLoReを導入し,既存の校正法よりもLCEを改善する。
  論文  参考訳（メタデータ） (2021-02-22T07:22:12Z)
• Unsupervised Calibration under Covariate Shift [92.02278658443166]
  ドメインシフト下でのキャリブレーションの問題を導入し、それに対処するための重要サンプリングに基づくアプローチを提案する。 実世界のデータセットと合成データセットの両方において,本手法の有効性を評価し検討した。
  論文  参考訳（メタデータ） (2020-06-29T21:50:07Z)

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。