Conformal Bounds on Full-Reference Image Quality for Imaging Inverse Problems

要約

イメージングの逆の問題では、回復した画像がPSNR、SSIM、LPIPSなどのフルリファレンス画質（FRIQ）メトリックの観点から真の画像にどれだけ近いかを知りたいと思います。
しかし、本当のイメージがわからないので、FRIQを計算することは自明ではありません。
この作業では、コンフォーマル予測とおおよその後部サンプリングを組み合わせて、ユーザー指定のエラー確率に耐えることが保証されているFRIQの境界を構築します。
画像除去および加速磁気共鳴画像法（MRI）の問題に関するアプローチを示します。
コードはhttps://github.com/jwen307/quality_uqで入手できます。

要約(オリジナル)

In imaging inverse problems, we would like to know how close the recovered image is to the true image in terms of full-reference image quality (FRIQ) metrics like PSNR, SSIM, LPIPS, etc. This is especially important in safety-critical applications like medical imaging, where knowing that, say, the SSIM was poor could potentially avoid a costly misdiagnosis. But since we don’t know the true image, computing FRIQ is non-trivial. In this work, we combine conformal prediction with approximate posterior sampling to construct bounds on FRIQ that are guaranteed to hold up to a user-specified error probability. We demonstrate our approach on image denoising and accelerated magnetic resonance imaging (MRI) problems. Code is available at https://github.com/jwen307/quality_uq.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google