論文の概要: Conformalized Rate-Adaptive Sensing

• arxiv url: http://arxiv.org/abs/2607.26887v1
• Date: Wed, 29 Jul 2026 13:16:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.686792
• Title: Conformalized Rate-Adaptive Sensing
• Title（参考訳）: Conformalized Rate-Adaptive Sensing
• Abstract要約: コンフォーマル化レート適応センシング(CoRAS)は,画像毎の取得率や圧縮率を適応的に選択する手法である。 計測結果が収集されるにつれて、画像再構成モデルは真のイメージを徐々に復元し、取得率を超えて再構成経路を生成する。 CoRASは、目標の停止時間カバレッジを獲得し、固定レートの停止ルールよりも平均的な測定を少なくし、再構成が難しい画像により多くの測定を割り当てる。
• 参考スコア（独自算出の注目度）: 12.576928870701972
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many high-resolution imaging systems face the same fundamental question: when have enough measurements been collected to reconstruct an image accurately? We develop Conformalized Rate-Adaptive Sensing (CoRAS), a method that adaptively chooses an acquisition or compression rate for each image while keeping the reconstruction error below a target level with high probability. As measurements are collected, an image reconstruction model gradually recovers the true image, producing a reconstruction path over acquisition rates. CoRAS uses this path up to an early decision time to estimate the target stopping time, defined as the first time at which the reconstruction error falls below the target level. It then calibrates this estimate using images with similar early reconstruction behavior, producing an upper bound on the stopping time with marginal and approximate conditional coverage guarantees. Experiments on image datasets show that CoRAS attains the target stopping-time coverage, uses fewer measurements on average than fixed-rate stopping rules, and assigns more measurements to images that are harder to reconstruct.
• Abstract（参考訳）: 多くの高解像度イメージングシステムは、画像の正確な再構築に十分な測定値が得られたとき、同じ根本的な問題に直面している。 本研究では,再構成誤差を目標値以下に高い確率で維持しつつ,各画像の取得率や圧縮率を適応的に選択するコンフォーマル化レート適応センシング(CoRAS)を開発した。 計測結果が収集されるにつれて、画像再構成モデルは真のイメージを徐々に復元し、取得率を超えて再構成経路を生成する。 CoRASは、この経路を早期決定時間まで使用して、目標レベル以下にリコンストラクションエラーが発生する最初のタイミングとして定義された目標停止時間を推定する。 そして、同様の早期復元行動のイメージを用いて、この推定値を校正し、限界条件と近似条件のカバレッジ保証による停止時間の上限を生成する。 画像データセットの実験では、CoRASは目標の停止時間カバレッジを獲得し、固定レートの停止ルールよりも平均的な測定を少なくし、再構築が難しい画像により多くの測定を割り当てている。

関連論文リスト

• LCPNet: Latent Consistent Proximal Unfolding Network for Infrared Small Target Detection [50.3892176822492]
  赤外線小目標検出(IRSTD)は、複雑な赤外背景から長距離小目標を特定することを目的としている。 深層学習法は、識別的画像-マスクマッピングを学習することでIRSTDを改善した。 深層展開法は、モデル駆動イテレーションをニューラルネットワークに埋め込むことによって、この問題に部分的に対処する。 これらの制約に対処するために,Latent Consistent Proximal Unfolding Network (LCPNet)を提案する。
  論文  参考訳（メタデータ） (2026-07-06T02:15:09Z)
• Exploiting Intermediate Reconstructions in Optical Coherence Tomography for Test-Time Adaption of Medical Image Segmentation [3.7585770539752104]
  プライマリ・ヘルス・ケアは、しばしば安価な撮像装置に頼っている。 このようなアルゴリズムは、ドメイン固有の事前知識を組み込んだ反復的再構成手法を用いるのが一般的である。 凍結下流ネットワークの正規化層パラメータを適応させることにより,これらの中間表現をテスト時に活用するIRTTAを提案する。
  論文  参考訳（メタデータ） (2026-03-05T10:48:37Z)
• Revisiting Reconstruction-based AI-generated Image Detection: A Geometric Perspective [50.83711509908479]
  幾何学的観点からの再構成誤差に対するヤコビアンスペクトル下界の導入について述べる。 再構成多様体上の実画像は非自明な誤差下界を示し、多様体上の生成された画像はゼロに近い誤差を持つことを示す。 本稿では,構造化編集操作を活用することで動的再構成誤差を計算できるReGapを提案する。
  論文  参考訳（メタデータ） (2025-10-29T03:45:03Z)
• 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)
• AdaBM: On-the-Fly Adaptive Bit Mapping for Image Super-Resolution [53.23803932357899]
  我々は、処理時間を数時間から秒に短縮する最初のオンザフライ適応量子化フレームワークを導入する。 我々は,従来の適応量子化法と競合する性能を実現し,処理時間をx2000で高速化する。
  論文  参考訳（メタデータ） (2024-04-04T08:37:27Z)
• Efficient Test-Time Adaptation for Super-Resolution with Second-Order Degradation and Reconstruction [62.955327005837475]
  画像超解像(SR)は,低分解能(LR)から高分解能(HR)へのマッピングを,一対のHR-LRトレーニング画像を用いて学習することを目的としている。 SRTTAと呼ばれるSRの効率的なテスト時間適応フレームワークを提案し、SRモデルを異なる/未知の劣化型でテストドメインに迅速に適応させることができる。
  論文  参考訳（メタデータ） (2023-10-29T13:58:57Z)
• MOSAIC: Masked Optimisation with Selective Attention for Image Reconstruction [0.5541644538483947]
  本研究では,無作為な計測値の選択を考慮に入れた画像再構成のための新しい圧縮センシングフレームワークを提案する。 MOSAICは、エンコードされた一連の測定に注意機構を効率的に適用するために埋め込み技術を採用している。 既存のCS再建手法の代替として,提案するアーキテクチャを検証した。
  論文  参考訳（メタデータ） (2023-06-01T17:05:02Z)
• Making Reconstruction-based Method Great Again for Video Anomaly Detection [64.19326819088563]
  ビデオの異常検出は重要な問題だが、難しい問題だ。 既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。 連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2023-01-28T01:57:57Z)
• Self-Supervised Training with Autoencoders for Visual Anomaly Detection [61.62861063776813]
  我々は, 正規サンプルの分布を低次元多様体で支持する異常検出において, 特定のユースケースに焦点を当てた。 我々は、訓練中に識別情報を活用する自己指導型学習体制に適応するが、通常の例のサブ多様体に焦点をあてる。 製造領域における視覚異常検出のための挑戦的なベンチマークであるMVTec ADデータセットで、最先端の新たな結果を達成する。
  論文  参考訳（メタデータ） (2022-06-23T14:16:30Z)
• Fast Hybrid Image Retargeting [0.0]
  本稿では,コンテント・アウェア・トリミングを用いて歪みを定量化し,抑制する手法を提案する。 我々の手法は,実行時間のごく一部で実行しながら,最近の手法より優れています。
  論文  参考訳（メタデータ） (2022-03-25T11:46:06Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• ENSURE: A General Approach for Unsupervised Training of Deep Image Reconstruction Algorithms [29.864637081333086]
  この研究は、深層画像再構成アルゴリズムを訓練するための一般的なアプローチとして、ENsemble Stein's Unbiased Risk Estimate (ENSURE)フレームワークを紹介した。 実測データのみを用いるENSURE損失関数は,真の平均二乗誤差の偏りのない推定値であることを示す。 この損失関数でトレーニングされたネットワークは、教師付き設定に匹敵する再構成を提供できることを示す。
  論文  参考訳（メタデータ） (2020-10-20T21:18:33Z)

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。