跳到正文
热点事件持续更新

QUTCC:成像逆问题的分位数不确定性校准

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Cassandra Tong Ye 等作者提交论文,提出 QUTCC 方法,用于为图像逆问题生成更紧的不确定性区间。该方法采用带分位数嵌入的 U-Net 架构,在训练中学习完整的条件分位数分布,并在共形校准中实现非线性、空间自适应缩放。 作者称,测试阶段可高效估计具有像素边际覆盖保证的不确定性区间,且无需分布假设即可预测逐像素条件概率密度。上述效果均为论文中的主张,尚未见独立验证。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv cs.AI
    QUTCC:面向成像逆问题的分位数不确定性训练与共形校准方法

    QUTCC 提出一种实用的同时分位数回归方法,在共形校准中实现非线性、空间自适应缩放,从而为图像逆问题生成更紧的不确定性区间。该方法采用带分位数嵌入的 U-Net 架构,在训练中学习完整条件分位数分布,测试时可高效估计具有像素边际覆盖保证的不确定性区间,并无需分布假设即可预测逐像素条件概率密度。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。