Application-driven Validation of Posteriors in Inverse Problems

要約

画像分析タスク用の現在の深層学習ベースのソリューションは、一般に、複数の異なる適切な解決策が存在する問題を処理することができません。
これに応じて、条件付き拡散モデルや可逆ニューラル ネットワークなどの事後ベースの手法が登場しました。
しかし、適切な検証に関する研究が不足しているため、翻訳は妨げられています。
言い換えれば、進歩の測定方法は、実際の運転アプリケーションのニーズを反映していないことがよくあります。
文献におけるこのギャップを埋めて、逆問題における事後ベースの手法のアプリケーション駆動型検証のための最初の体系的なフレームワークを提示します。
方法論的な新規性として、画像内の複数のオブジェクト インスタンスをどのように見つけて照合するかという問題に取り組んできた長い歴史を持つオブジェクト検出検証の分野から重要な原則を採用しています。
モードをインスタンスとして扱うことで、アプリケーションの観点からよく解釈できるメトリクスを使用して、モード中心の検証を実行できるようになります。
合成玩具の例と 2 つの医療ビジョンのユースケース (手術における姿勢推定と、診断のための機能組織パラメーターの画像ベースの定量化) のインスタンス化を通じて、フレームワークの価値を実証します。
私たちのフレームワークは、3 つの例すべてにおいて事後検証に対する一般的なアプローチに比べて重要な利点を提供しており、逆問題におけるパフォーマンス評価に革命をもたらす可能性があります。

要約(オリジナル)

Current deep learning-based solutions for image analysis tasks are commonly incapable of handling problems to which multiple different plausible solutions exist. In response, posterior-based methods such as conditional Diffusion Models and Invertible Neural Networks have emerged; however, their translation is hampered by a lack of research on adequate validation. In other words, the way progress is measured often does not reflect the needs of the driving practical application. Closing this gap in the literature, we present the first systematic framework for the application-driven validation of posterior-based methods in inverse problems. As a methodological novelty, it adopts key principles from the field of object detection validation, which has a long history of addressing the question of how to locate and match multiple object instances in an image. Treating modes as instances enables us to perform mode-centric validation, using well-interpretable metrics from the application perspective. We demonstrate the value of our framework through instantiations for a synthetic toy example and two medical vision use cases: pose estimation in surgery and imaging-based quantification of functional tissue parameters for diagnostics. Our framework offers key advantages over common approaches to posterior validation in all three examples and could thus revolutionize performance assessment in inverse problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google