VALUES: A FRAMEWORK FOR SYSTEMATIC VALIDATION OF UNCERTAINTY ESTIMATION IN SEMANTIC SEGMENTATION

不确定性应用的最新工作<持续更新>: 语义分割中的不确定性估计验证框架 \
注1:本文系“不确定性相关论文速递”系列之一,致力于简洁清晰完整地介绍、解读不确定性领域最新的顶会/顶刊论文(包括但不限 CVPR, ICLR, ECCV, ICCV, ICML, AAAI, TPAMI,TIP,Arxiv 等)。\
本次介绍的论文是:ICLR 2024 | ValUES:系统化验证语义分割中的不确定性估计框架\
文章DOI: [待定]

1 引言

语义分割是图像理解中的关键任务,但其预测同时存在数据不确定性和模型不确定性。为了可靠地部署语义分割系统,不确定性估计是必不可少的组成部分。然而,该领域目前存在理论和实践之间的鸿沟,基础问题仍然未得到回答:数据相关和模型相关的不确定性能否有效分离?不确定性方法的哪些组成部分对实际效果至关重要?哪种方法适合哪类应用?本文通过提出一个系统化的不确定性估计验证框架来弥合鸿沟,解决上述问题,以促进该领域的发展。

2 动机

尽管语义分割中的不确定性估计研究蓬勃发展,但目前仍面临如下问题:

1. 不确定性类型分离:很多方法声称可区