fulfulggg
commented
1 hour ago 論文要約
Lightning UQ Box: 深層学習の不確実性を評価する便利ツール
論文要約:
- 深層学習モデルの予測の信頼度を評価する不確実性定量化（UQ）は重要だが、専門知識が必要で、簡単に利用できない。
- 本論文では、Lightning UQ BoxというUQのための包括的なツールボックスを提案。
- 誰でも簡単に様々なUQ手法を深層学習モデルに適用・評価できる。
- 2つの画像認識タスク（熱帯低気圧の風速推定と太陽光パネルの出力推定）を用いて、Lightning UQ Boxの性能を検証。
- 複数のUQ手法を比較することで、タスクに最適な手法を選択することの重要性を示した。
- Lightning UQ Boxは、UQの利用を促進し、より信頼性の高い深層学習モデルの開発に貢献する。
- ツールボックスはGitHub（https://github.com/lightning-uq-box/lightning-uq-box）で公開されている。
タイトル: Lightning UQ Box：深層学習における不確実性定量化のための包括的フレームワーク
リンク: https://arxiv.org/abs/2410.03390
概要:
深層ニューラルネットワーク（DNN）の出力を信頼度で評価する不確実性定量化（UQ）は、DNNを実用化する上で不可欠な技術です。しかし、その利点にもかかわらず、既存のUQ手順の適用と評価には専門知識が必要となるため、標準的なDNNワークフローからUQが除外されることがよくあります。そのため、ユーザーが大きなオーバーヘッドなしにUQをモデリングワークフローに統合できる包括的なツールボックスが必要とされています。そこで、さまざまなUQ手法を適用および評価するための統一インターフェースである「Lightning UQ Box」を紹介します。本稿では、このツールボックスに実装されている幅広い最先端のUQ手法について、理論的かつ定量的な比較を行います。具体的には、(i) 赤外線衛星画像からの熱帯低気圧の風速推定と、(ii) 空のRGB画像からの太陽光パネルの出力推定という、2つの困難な画像認識タスクに焦点を当てています。手法間の違いを強調することで、UQ手法のベンチマークに使用できる、広範かつ実践的なUQの実験フレームワークの必要性を示します。ツールボックス、実装例、その他の情報は、https://github.com/lightning-uq-box/lightning-uq-box で公開されています。