Buchumschlag

Diffusion Active Learning: Towards Data-Driven Experimental Design in Computed Tomography

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Barba, Luis, Kirschner, Johannes, Aidukas, Tomas, Guizar-Sicairos, Manuel, Béjar, Benjamín
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Conditional Diffusion Posterior Alignment for Sparse-View CT Reconstruction
von: Barba, Luis, et al.
Veröffentlicht: (2026)

Principled Confidence Estimation for Deep Computed Tomography
von: Gätzner, Matteo, et al.
Veröffentlicht: (2026)

Towards Comparable Active Learning
von: Werner, Thorben, et al.
Veröffentlicht: (2023)

Active MRI Acquisition with Diffusion Guided Bayesian Experimental Design
von: Iollo, Jacopo, et al.
Veröffentlicht: (2025)

Learning to Build: Autonomous Robotic Assembly of Stable Structures Without Predefined Plans
von: Wang, Jingwen, et al.
Veröffentlicht: (2026)

Matched-Pair Experimental Design with Active Learning
von: Li, Weizhi, et al.
Veröffentlicht: (2025)

Active Learning of Model Discrepancy with Bayesian Experimental Design
von: Yang, Huchen, et al.
Veröffentlicht: (2025)

Accelerated deep self-supervised ptycho-laminography for three-dimensional nanoscale imaging of integrated circuits
von: Kang, Iksung, et al.
Veröffentlicht: (2023)

Actively Learning Joint Contours of Multiple Computer Experiments
von: Prim, Shih-Ni, et al.
Veröffentlicht: (2025)

Confidence Estimation via Sequential Likelihood Mixing
von: Kirschner, Johannes, et al.
Veröffentlicht: (2025)

Synthetic ECG Generation for Data Augmentation and Transfer Learning in Arrhythmia Classification
von: Núñez, José Fernando, et al.
Veröffentlicht: (2024)

Active Learning with Variational Quantum Circuits for Quantum Process Tomography
von: Yang, Jiaqi, et al.
Veröffentlicht: (2024)

Compute-Efficient Active Learning
von: Németh, Gábor, et al.
Veröffentlicht: (2024)

Loss-Driven Bayesian Active Learning
von: Huang, Zhuoyue, et al.
Veröffentlicht: (2026)

Bayesian Experimental Design via Contrastive Diffusions
von: Iollo, Jacopo, et al.
Veröffentlicht: (2024)

Regret Minimization via Saddle Point Optimization
von: Kirschner, Johannes, et al.
Veröffentlicht: (2024)

Towards Multimodal Active Learning: Efficient Learning with Limited Paired Data
von: Zhang, Jiancheng, et al.
Veröffentlicht: (2025)

Optimal Derivative Feedback Control for an Active Magnetic Levitation System: An Experimental Study on Data-Driven Approaches
von: Omidi, Saber, et al.
Veröffentlicht: (2026)

Language Model-Driven Data Pruning Enables Efficient Active Learning
von: Azeemi, Abdul Hameed, et al.
Veröffentlicht: (2024)

Data-Driven Switchback Experiments: Theoretical Tradeoffs and Empirical Bayes Designs
von: Xiong, Ruoxuan, et al.
Veröffentlicht: (2024)

Active Learning with Task-Driven Representations for Messy Pools
von: Ashouritaklimi, Kianoosh, et al.
Veröffentlicht: (2025)

Experimental Design for Active Transductive Inference in Large Language Models
von: Mukherjee, Subhojyoti, et al.
Veröffentlicht: (2024)

Differentially Private Active Learning: Balancing Effective Data Selection and Privacy
von: Schwethelm, Kristian, et al.
Veröffentlicht: (2024)

DAVED: Data Acquisition via Experimental Design for Data Markets
von: Lu, Charles, et al.
Veröffentlicht: (2024)

A Cross-Domain Benchmark for Active Learning
von: Werner, Thorben, et al.
Veröffentlicht: (2024)

ActiveDP: Bridging Active Learning and Data Programming
von: Guan, Naiqing, et al.
Veröffentlicht: (2024)

Towards Fundamental Limits for Active Multi-distribution Learning
von: Zhang, Chicheng, et al.
Veröffentlicht: (2025)

Toward Information Theoretic Active Inverse Reinforcement Learning
von: Bajgar, Ondrej, et al.
Veröffentlicht: (2024)

Active Adaptive Experimental Design for Treatment Effect Estimation with Covariate Choices
von: Kato, Masahiro, et al.
Veröffentlicht: (2024)

Active Diffusion Subsampling
von: Nolan, Oisin, et al.
Veröffentlicht: (2024)

Towards Intrinsically Calibrated Uncertainty Quantification in Industrial Data-Driven Models via Diffusion Sampler
von: Ma, Yiran, et al.
Veröffentlicht: (2026)

Efficiently Computable Safety Bounds for Gaussian Processes in Active Learning
von: Tebbe, Jörn, et al.
Veröffentlicht: (2024)

A Computer-aided Framework for Detecting Osteosarcoma in Computed Tomography Scans
von: Rodriguez-Herrero, Maximo, et al.
Veröffentlicht: (2026)

Active Learning on Synthons for Molecular Design
von: Grigg, Tom George, et al.
Veröffentlicht: (2025)

On the Benefits of Active Data Collection in Operator Learning
von: Subedi, Unique, et al.
Veröffentlicht: (2024)

Deep Active Learning based Experimental Design to Uncover Synergistic Genetic Interactions for Host Targeted Therapeutics
von: Zhu, Haonan, et al.
Veröffentlicht: (2025)

X-ray Linear Dichroic Tomography of Crystallographic and Topological Defects
von: Apseros, Andreas, et al.
Veröffentlicht: (2024)

ASPEST: Bridging the Gap Between Active Learning and Selective Prediction
von: Chen, Jiefeng, et al.
Veröffentlicht: (2023)

Prediction-Guided Active Experiments
von: Ao, Ruicheng, et al.
Veröffentlicht: (2024)

Computational, Data-Driven, and Physics-Informed Machine Learning Approaches for Microstructure Modeling in Metal Additive Manufacturing
von: Patel, D., et al.
Veröffentlicht: (2025)