Scalable Certified Segmentation via Randomized Smoothing

要約

ランダム化された平滑化に基づく画像と点群のセグメンテーションのための新しい認証方法を提示します。
この方法は、統計的保証を保証するために必要な、複数のテストを正しく説明する予測と認証のための新しいスケーラブルなアルゴリズムを活用します。
私たちのアプローチの鍵は、確立された多重検定補正メカニズムへの依存と、入力全体を確実にセグメント化しながら、単一のピクセルまたはポイントの分類を控える機能です。
Pascal Context、Cityscapes、ShapeNetなどの合成データとやりがいのあるデータセットに関する実験的評価は、私たちのアルゴリズムが実際のセグメンテーションタスクで初めて競争力のある精度と認証保証を達成できることを示しています。
https://github.com/eth-sri/segmentation-smoothingで実装を提供します。

要約(オリジナル)

We present a new certification method for image and point cloud segmentation based on randomized smoothing. The method leverages a novel scalable algorithm for prediction and certification that correctly accounts for multiple testing, necessary for ensuring statistical guarantees. The key to our approach is reliance on established multiple-testing correction mechanisms as well as the ability to abstain from classifying single pixels or points while still robustly segmenting the overall input. Our experimental evaluation on synthetic data and challenging datasets, such as Pascal Context, Cityscapes, and ShapeNet, shows that our algorithm can achieve, for the first time, competitive accuracy and certification guarantees on real-world segmentation tasks. We provide an implementation at https://github.com/eth-sri/segmentation-smoothing.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google