Buchumschlag

Self-Supervised Conformal Prediction with Equivariant Bootstrapping for Image Uncertainty Quantification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Aldridge, Henry J., Liaudat, Tobías I., Pereyra, Marcelo, McEwen, Jason D.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Methodology Instrumentation and Methods for Astrophysics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Proximal nested sampling for high-dimensional Bayesian model selection
von: Cai, Xiaohao, et al.
Veröffentlicht: (2021)

Efficient prior sensitivity analysis for Bayesian model comparison
von: Hu, Zixiao, et al.
Veröffentlicht: (2026)

Learned harmonic mean estimation of the marginal likelihood for multimodal posteriors with flow matching
von: Polanska, Alicja, et al.
Veröffentlicht: (2026)

Learned harmonic mean estimation of the marginal likelihood with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2023)

Scalable Bayesian uncertainty quantification with data-driven priors for radio interferometric imaging
von: Liaudat, Tobías I., et al.
Veröffentlicht: (2023)

Learned harmonic mean estimation of the Bayesian evidence with normalizing flows
von: Polanska, Alicja, et al.
Veröffentlicht: (2024)

Using conditional GANs for convergence map reconstruction with uncertainties
von: Whitney, Jessica, et al.
Veröffentlicht: (2024)

Generative modelling for mass-mapping with fast uncertainty quantification
von: Whitney, Jessica J., et al.
Veröffentlicht: (2024)

Generative imaging for radio interferometry with fast uncertainty quantification
von: Mars, Matthijs, et al.
Veröffentlicht: (2025)

Deep Gaussian Process Emulation and Uncertainty Quantification for Large Computer Experiments
von: Yazdi, Faezeh, et al.
Veröffentlicht: (2024)

Differentiable and accelerated spherical harmonic and Wigner transforms
von: Price, Matthew A., et al.
Veröffentlicht: (2023)

Simulation-based inference with scattering representations: scattering is all you need
von: Lin, Kiyam, et al.
Veröffentlicht: (2024)

Learned radio interferometric imaging for varying visibility coverage
von: Mars, Matthijs, et al.
Veröffentlicht: (2024)

Learned Interferometric Imaging for the SPIDER Instrument
von: Mars, Matthijs, et al.
Veröffentlicht: (2023)

Field-level cosmological model selection: field-level simulation-based inference for Stage IV cosmic shear can distinguish dynamical dark energy
von: Mancini, A. Spurio, et al.
Veröffentlicht: (2024)

Generative models of astrophysical fields with scattering transforms on the sphere
von: Mousset, Louise, et al.
Veröffentlicht: (2024)

Differentiable and accelerated wavelet transforms on the sphere and ball
von: Price, Matthew A., et al.
Veröffentlicht: (2024)

Savage-Dickey density ratio estimation with normalizing flows for Bayesian model comparison
von: Lin, Kiyam, et al.
Veröffentlicht: (2025)

Review: A new method for estimation and use of systematic errors in Poisson regression
von: Bonamente, M.
Veröffentlicht: (2026)

Relative Jump Distance: a diagnostic for Nested Sampling
von: Buchner, Johannes
Veröffentlicht: (2024)

Shrinkage MMSE estimators of covariances beyond the zero-mean and stationary variance assumptions
von: Flasseur, Olivier, et al.
Veröffentlicht: (2024)

Bayesian inference: More than Bayes's theorem
von: Loredo, Thomas J., et al.
Veröffentlicht: (2024)

Properties and approximations of a Bessel distribution for data science applications
von: Bonamente, Massimiliano
Veröffentlicht: (2025)

An approach to robust Bayesian regression in astronomy
von: Martin, William, et al.
Veröffentlicht: (2024)

Maximum-likelihood regression with systematic errors for astronomy and the physical sciences: I. Methodology and goodness-of-fit statistic of Poisson data
von: Bonamente, Max, et al.
Veröffentlicht: (2024)

Fast emulation of anisotropies induced in the cosmic microwave background by cosmic strings
von: Price, Matthew A., et al.
Veröffentlicht: (2023)

The future of cosmological likelihood-based inference: accelerated high-dimensional parameter estimation and model comparison
von: Piras, Davide, et al.
Veröffentlicht: (2024)

Scattering transforms on the sphere, application to large scale structure modelling
von: Mousset, Louise, et al.
Veröffentlicht: (2024)

Uncertainty quantification for fast reconstruction methods using augmented equivariant bootstrap: Application to radio interferometry
von: Cherif, Mostafa, et al.
Veröffentlicht: (2024)

Comparing the morphology of molecular clouds without supervision
von: Richard, Pablo, et al.
Veröffentlicht: (2024)

Mitigating Eddington and Malmquist Biases in Latent-Inclination Inference of the Tully-Fisher Relation
von: Fu, Hai
Veröffentlicht: (2025)

A comparison of methods for Poisson regression in the presence of background
von: Bonamente, Massimiliano, et al.
Veröffentlicht: (2026)

Nested Sampling with Slice-within-Gibbs: Efficient Evidence Calculation for Hierarchical Bayesian Models
von: Yallup, David
Veröffentlicht: (2026)

Covering Unknown Correlations in Bayesian Priors by Inflating Uncertainties
von: Koch, Lukas
Veröffentlicht: (2025)

Coverage is not enough: Frequentist tests of simulation-based inference for primordial non-Gaussianity
von: Alokda, Toka, et al.
Veröffentlicht: (2026)

The exact non-Gaussian weak lensing likelihood: A framework to calculate analytic likelihoods for correlation functions on masked Gaussian random fields
von: Oehl, Veronika, et al.
Veröffentlicht: (2024)

Distribution-free uncertainty quantification for inverse problems: application to weak lensing mass mapping
von: Leterme, Hubert, et al.
Veröffentlicht: (2024)

Prediction of the SYM-H Index Using a Bayesian Deep Learning Method with Uncertainty Quantification
von: Abduallah, Yasser, et al.
Veröffentlicht: (2024)

Automatic Laplace Collapsed Sampling: Scalable Marginalisation of Latent Parameters via Automatic Differentiation
von: Lovick, Toby, et al.
Veröffentlicht: (2026)

Towards Instance-Wise Calibration: Local Amortized Diagnostics and Reshaping of Conditional Densities (LADaR)
von: Dey, Biprateep, et al.
Veröffentlicht: (2022)