| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-24 16:15 構造化共分散を持つガウス場を用いた空間相関のある離散分布の変分推論とそのセグメンテーションへの応用 田所 龍（東北大）・髙木 士・○前田新一（PFN）  IBISML2025-46 |
|
| 抄録 | （和） | セマンティックセグメンテーションにおいて，高品質な教師ラベルの獲得は高コストであり，実データにはアノテータ間の不一致や作業ミスによるラベル誤りが含まれることが避けられない．特に，画像ドメインにおけるラベル誤りは画素間で独立に発生するのではなく，隣接画素間で空間的な相関を持って分布する傾向がある．しかし，このような空間相関を持つ離散変数を確率モデルとして陽に扱う場合，周辺尤度の計算においてラベルの全組み合わせの和が生じ，計算量的に実行困難となる問題があった．本研究では，この計算困難性を克服し，空間相関のあるラベル誤りを明示的に扱うための新たな離散確率分布ELBO-Computable Correlated Discrete Distribution (ECCD) を提案する．ECCD は，離散ラベルの空間依存性を，潜在的な連続ガウス場を介してモデル化する．ここで，ガウス場の共分散行列にKac-Murdock-Szeg¨o(KMS) 行列の構造を導入することで，行列式や逆行列の計算を画素数に対して線形オーダーまで削減し，変分下界（ELBO）の効率的な計算を可能とした．提案手法を医療画像およびリモートセンシ ング画像のセグメンテーションタスクに適用し，空間的に相関するラベルノイズが含まれる状況下において，既存のラベルノイズ対策手法と比較して優れたロバスト性と精度を達成することを確認した． |
| （英） | In semantic segmentation, obtaining high-quality annotations is prohibitively expensive, and real-world datasets inevitably contain ``noisy labels'' arising from inter-annotator disagreement or human errors. Notably, in the image domain, these noisy labels are not distributed independently but tend to exhibit spatial correlations among adjacent pixels. However, explicitly treating such spatially correlated discrete variables in a probabilistic model renders the computation of the marginal likelihood intractable due to the summation required over all possible label configurations. To address this computational challenge, we propose a novel discrete probabilistic distribution termed the ELBO-Computable Correlated Discrete Distribution (ECCD), which explicitly handles spatially correlated label noise. The ECCD models the spatial dependencies of discrete labels through a latent continuous Gaussian field. By incorporating a Kac-Murdock-Szeg"{o} (KMS) structure into the covariance matrix of the Gaussian field, we reduce the computational complexity of determinant and inverse matrix operations to a linear order, enabling efficient computation of the Evidence Lower Bound (ELBO). We applied the proposed method to semantic segmentation tasks in medical and remote sensing imagery and confirmed that our approach achieves superior robustness and accuracy compared to existing noisy-label learning methods in scenarios characterized by spatially correlated noise. |
|
| キーワード | （和） | ラベルノイズ / 変分推論 / 離散分布 / / / / / |
| （英） | Label noise / Variational inference / Discrete distribution / / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 425, IBISML2025-46, pp. 38-44, 2026年3月. | |
| 資料番号 | IBISML2025-46 | |
| 発行日 | 2026-03-17 (IBISML) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IBISML2025-46 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM IBISML ITE-SIP |
| 開催期間 | 2026-03-24 - 2026-03-25 |
| 開催地（和） | あわぎんホール |
| 開催地（英） | |
| テーマ（和） | 人や動物の行動解析、マルチメディア認識技術 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | IBISML |
| 会議コード | 2026-03-PRMU-CVIM-IBISML-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 構造化共分散を持つガウス場を用いた空間相関のある離散分布の変分推論とそのセグメンテーションへの応用 |
| サブタイトル（和） | |
| タイトル（英） | Variational Inference for Spatially Correlated Discrete Distributions using Gaussian Fields with Structured Covariance and its Application to Segmentation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ラベルノイズ / Label noise |
| キーワード(2)（和/英） | 変分推論 / Variational inference |
| キーワード(3)（和/英） | 離散分布 / Discrete distribution |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 田所 龍 / Ryu Tadokoro / タドコロ リュウ |
| 第1著者 所属（和/英） | 東北大学 (略称： 東北大) Tohoku University (略称： Tohoku Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 髙木 士 / Tsukasa Takagi / タカギ ツカサ |
| 第2著者 所属（和/英） | Preferred Networks (略称： PFN) Preferred Networks (略称： PFN) |
| 第3著者 氏名（和/英/ヨミ） | 前田 新一 / Shin-ichi Maeda / マエダ シンイチ |
| 第3著者 所属（和/英） | Preferred Networks (略称： PFN) Preferred Networks (略称： PFN) |
| 講演者 | 第3著者 |
| 発表日時 | 2026-03-24 16:15:00 |
| 発表時間 | 20分 |
| 申込先研究会 | IBISML |
| 資料番号 | IBISML2025-46 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.425 |
| ページ範囲 | pp.38-44 |
| ページ数 | 7 |
| 発行日 | 2026-03-17 (IBISML) |
[研究会発表申込システムのトップページに戻る]