論文の概要: Calibrated Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT

• arxiv url: http://arxiv.org/abs/2607.13682v1
• Date: Wed, 15 Jul 2026 10:25:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.74276
• Title: Calibrated Closed-Form Uncertainty for Radiative Gaussian Splatting in Sparse-View CT
• Title（参考訳）: Sparse-View CTにおける放射型ガウススプラッティングの校正的クローズドフォーム不確かさ
• Abstract要約: ガウススプラッティングCTにおける最初の系統的校正法について検討した。 その結果, ボクセルごとの不確実性は, 公式ベンチマークの15面中14面に真の復元誤差をランク付けすることがわかった。 そして、不適格な買収スコアがなぜ許容できる見解を選択できるのかを見極める。
• 参考スコア（独自算出の注目度）: 13.147279382369293
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Radiative Gaussian splatting has made sparse-view CT reconstruction fast, but existing methods output point estimates with no notion of where the reconstruction can be trusted. We exploit a property of transmissive X-ray imaging that RGB splatting cannot claim -- projection and voxelization are strictly linear in the per-Gaussian densities -- to equip radiative Gaussians with a variational density posterior whose predictive variance propagates in closed form, exactly, in a single forward pass, in both volume space ($σ^2(x)=\sum_i g_i(x)^2 s_i^2$) and projection space ($\mathrm{Var}[I_p]=\sum_i w_{i,p}^2 s_i^2$). We present the first systematic calibration study for Gaussian-splatting CT (Spearman / AUSE / ECE with temperature scaling), showing that the resulting per-voxel uncertainty ranks true reconstruction error on 14 of 15 scenes of the official benchmark across three view budgets -- 9 of 15 additionally meeting our magnitude-calibration target after a single temperature -- while the perturbation-ensemble heuristic of concurrent work, transplanted to voxel space under the same protocol on our development scenes, does not (rank correlation as low as $-0.08$). We then dissect why uncalibrated acquisition scores can nevertheless select acceptable views, identifying three regimes -- flat (isotropic, balanced), pathological (degenerate coverage), and anisotropic -- and showing, in controlled single-scene testbeds, that principled uncertainty earns a measurable premium only in the last, motivating a coverage-gated, maturity-scheduled acquisition policy; the same calibrated posterior further points toward a dose-adaptive stopping rule, whose experimental validation we leave to future work.
• Abstract（参考訳）: 急激なガウススプラッティングはスパルス・ビューCTを高速に再現するが,既存の方法では,再構成の信頼性を考慮しないアウトプット・ポイント推定が可能である。 射影とボクセル化はガウス密度において厳密に線型であり、予測分散が閉じた形で伝播する放射性ガウスを、正確には単一の前方通過において、体積空間(σ^2(x)=\sum_i g_i(x)^2 s_i^2$)と射影空間(\mathrm{Var}[I_p]=\sum_i w_{i,p}^2 s_i^2$)に有する。 本研究は,ガウス整形CT(Spearman / AUSE / ECE with temperature scaling)における最初の系統的校正研究であり,オフィシャルベンチマークの15面中14面において,ボクセル内不確かさが真の再構成誤差を3つのビュー予算でランク付けすることを示し,同時に1回の温度で大キャリブレーション目標を達成できる15面中9面に加えて,コンカレントワークの摂動・アンサンブルヒューリスティックは,開発現場で同じプロトコルの下でボクセル空間に移植されるが,($-0.08$と低い相関関係にある)。 それにもかかわらず、不均衡な買収スコアが許容可能な見解を選択できる理由を、フラット(等方性、バランスの取れた状態)、病理(縮退性カバレッジ)、異方性(異方性)の3つを識別し、制御された単一ステージテストベッドにおいて、不確実性の原則が最後にのみ測定可能なプレミアムを得られることを示す。

関連論文リスト

• SPARC: Single-Pass Scaling for Motion Forecasting with Conformal Bayesian Last Layers [1.4452289368758382]
  シングルパス適応リスク(英: Single-Pass Adaptive Risk)は、人間の動き予測器に対する構造的、校正的、効率的な不確実性推定である。 決定論的バックボーンは将来の平均を予測し、共役ベイズ最後の層は時間領域の特徴レバレッジを解析的地平線スケールに変換する。 NLLと組み合わせたMPJPE+NLLの基準では、競争点の精度と効率的な校正管を維持している。
  論文  参考訳（メタデータ） (2026-08-21T07:20:22Z)
• Scale-Consistent Posterior Dynamics for Diffusion Inverse Problems [16.685352002333225]
  事前訓練された拡散前の後方サンプリングは、一般に難易度成分を有する条件付きスコアによって管理される。 クリーン後部にターゲットが近づいた騒音条件付き経路が連続的なサロゲートSDEを生成することを示す。 FFHQ と ImageNet の100点評価実験により,超解像および分解能の競争再現性を示す。
  論文  参考訳（メタデータ） (2026-08-15T09:38:41Z)
• UQ-Loc: Uncertainty-Aware LiDAR Scene Coordinate Regression [0.0]
  LiDARは点雲を直接3Dシーン座標にマッピングし、明示的なマップ検索なしで正確な6-DoFローカライゼーションを可能にする。 既存の手法は決定論的予測を生み出し、ロバスト性や下流の意思決定を改善するアレラトリックな不確実性を捨てる。 ボクセルあたり3x3の正定値共分散行列を予測する異方性ガウス共分散ヘッドでLightLocアーキテクチャを拡張したUQ-Locを提案する。
  論文  参考訳（メタデータ） (2026-08-06T17:23:17Z)
• Exact and Calibrated Diffusion Reconstruction for Digital Breast Tomosynthesis [0.0]
  リミテッドアングルデジタル乳房トモシンセシス(DBT)は、狭い弧上のいくつかの低線量プロジェクションから体積を再構成する。 条件付き拡散は、強い知覚品質を達成するが、不正確なデータ一貫性、非局所化幻覚、未校正不確実性の3つの臨床的障害を残している。 これは、有限角再構成のためのデータ一貫性、不確実性の校正された最初の学習的再構成である。
  論文  参考訳（メタデータ） (2026-07-14T16:10:10Z)
• $Ω$: Operator-based Mixture Ensemble for Generative Assimilation [7.915816961228985]
  $$は、条件付きガウス代用モデリング、教師なしスコアラーニング、生成サンプリングを統合するスケーラブルなフレームワークである。 $$は閉形式の条件付き後続分布を利用して、高次元の観測されていない成分を解析的に回収する。 $は、断続性と極端なイベントを持つ複数の乱流モデルで検証され、後続の精度が一貫して向上する。
  論文  参考訳（メタデータ） (2026-06-18T20:19:44Z)
• The Right Measure for Physics-Constrained Generation: A Co-Area Correction for Posterior-Consistent PDE Inverse Problems [28.97171921966014]
  生成モデルは、偏微分方程式(PDE)の逆問題を解くためにますます使われている。 広く採用されているレシピが間違った分布をサンプリングしていることを示す。 我々は,コエリア後部を対象とする測度制約付きサンプルであるtextbfCoCoSを紹介した。
  論文  参考訳（メタデータ） (2026-06-03T12:30:03Z)
• Bandit Convex Optimization with Gradient Prediction Adaptivity [56.816177049016794]
  本研究では, 楽観的な勾配予測が, 最悪の後悔の保証を予測順応的に改善できるかどうかを考察する。 鍵となるアイデアは、分散が勾配ノルムではなく予測誤差でスケールする、新しい分散還元勾配推定器である。 我々は、$(sqrtmathbbE[S_T])$としてスケールする情報理論の下限を確立し、最も達成可能な予測適応的後悔の基本的な特徴を提供する。
  論文  参考訳（メタデータ） (2026-05-21T08:57:38Z)
• Probabilistic Object Detection with Conformal Prediction [2.21658458251407]
  Conformal Prediction (CP) は、有限サンプル被覆保証付き予測セットを構築するための分布自由な方法である。 標準の非スケールCPは入力間で固定幅の予測間隔を生成し、不確かさの予測に不要な幅をもたらす。 IoUは19%,IoUは39%,CPは39%であった。
  論文  参考訳（メタデータ） (2026-05-08T10:23:43Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Calibrated Decomposition of Aleatoric and Epistemic Uncertainty in Deep Features for Inference-Time Adaptation [3.018583625592182]
  ほとんどの推定器は、全ての不確実性モードを単一の信頼スコアに分解し、いつより多くの計算を割り当てるか、あるいは推論を調整するべきかについての信頼性の高い推論を防ぐ。 非確実性誘導推論時間選択(Uncertainty-Guided Inference-Time Selection)は,データ駆動型(データ駆動型)とモデル駆動型不確実性を,深い特徴空間で直接的に解消する軽量な推論時間フレームワークである。
  論文  参考訳（メタデータ） (2025-11-15T23:47:30Z)
• Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View Tomography [58.60249163402822]
  未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。 提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
  論文  参考訳（メタデータ） (2022-07-06T21:40:59Z)
• Square Root Marginalization for Sliding-Window Bundle Adjustment [53.34552451834707]
  実時間オドメトリーに適合する新しい正方形根のすべり窓束の調整法を提案する。 提案した平方根辺化は、ヘシアン上でのシュール補数(SC)の従来の使用と代数的に等価であることを示す。 実世界のデータセットにおける視覚的および視覚的慣性オドメトリーの評価は,提案した推定器がベースラインよりも36%高速であることを示す。
  論文  参考訳（メタデータ） (2021-09-05T23:22:38Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。