新研究探讨图像分割模型中的不确定性

一篇新的arXiv论文探讨了图像分割中的不确定性量化（UQ），这是安全敏感应用的关键领域。研究调查了偶然不确定性（数据相关）和认知不确定性（模型相关）之间的相互作用，并指出它们之间存在显著的纠缠，这会降低可解释性。该研究提出了一种量化这种纠缠的度量方法，并发现集成模型在纠缠度较低时通常表现更好，而softmax模型的结果则因数据集和校准任务而异。 AI

影响 研究了提高安全关键应用（如医学成像）中人工智能模型的可靠性和可解释性的方法。

排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了图像分割方面的新发现和新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• CORE Recommender
• DagsHub
• diffusion
• Gotit.pub
• Hugging Face
• Influence Flower
• Jakob Christensen
• MC Dropout
• Probabilistic UNet
• ScienceCast

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →