Predictive Inference with Feature Conformal Prediction

要約

タイトル：特徴一致予測による予測的推論

要約：本論文では、有効な予測区間を確立するための分布フリー技術であるコンフォーマル予測が、従来は出力空間で行われていたが、意味的特徴空間である特徴コンフォーマル予測を提案している。深い表現学習の帰納バイアスを活用することで、コンフォーマル予測の範囲を拡大する。理論的な観点から、特徴コンフォーマル予測が優れていることを証明し、現存のコンフォーマル予測手法だけでなく、他の適応型コンフォーマル予測手法とも組み合わせることができることを示している。既存の予測的推論ベンチマークの実験に加えて、ImageNet分類やCityscapes画像セグメンテーションなどの大規模なタスクでも、提案された手法の最先端の性能を示している。コードは\url{https://github.com/AlvinWen428/FeatureCP}で利用可能。

-コンフォーマル予測は、有効な予測区間を確立するための分布フリー技術である。

-本論文では、出力空間だけでなく、意味的特徴空間である特徴コンフォーマル予測を提案している。

-特徴コンフォーマル予測は、深い表現学習の帰納バイアスを活用することで、コンフォーマル予測の範囲を拡大する。

-特徴コンフォーマル予測は理論的に優れており、既存のコンフォーマル予測手法だけでなく、他の適応型コンフォーマル予測手法と組み合わせることができる。

-提案された手法は、既存の予測的推論ベンチマークの実験とともに、ImageNet分類やCityscapes画像セグメンテーションなどの大規模なタスクでも最先端の性能を示している。

-コードは\url{https://github.com/AlvinWen428/FeatureCP}で利用可能。

要約(オリジナル)

Conformal prediction is a distribution-free technique for establishing valid prediction intervals. Although conventionally people conduct conformal prediction in the output space, this is not the only possibility. In this paper, we propose feature conformal prediction, which extends the scope of conformal prediction to semantic feature spaces by leveraging the inductive bias of deep representation learning. From a theoretical perspective, we demonstrate that feature conformal prediction provably outperforms regular conformal prediction under mild assumptions. Our approach could be combined with not only vanilla conformal prediction, but also other adaptive conformal prediction methods. Apart from experiments on existing predictive inference benchmarks, we also demonstrate the state-of-the-art performance of the proposed methods on large-scale tasks such as ImageNet classification and Cityscapes image segmentation.The code is available at \url{https://github.com/AlvinWen428/FeatureCP}.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI