arXiv · ML· Chenyi Huang·· 7 小时前AI 评分30
可解释结构温度缩放（ISTS）校准图神经网络与点云分割
Interpretable structural temperature scaling for calibrating graph neural networks and point-cloud segmentation
AI 导读
可解释结构温度缩放（ISTS）是一种12参数线性模型，基于节点置信度、邻域及距标记节点距离的描述符设定温度，使决策可追溯。 在7个图、2种骨干网络和11个基线中，ISTS平均排名最优，NLL较温度缩放降低1.8%，且在约100个校准节点以上具备高性价比。 在点云分割任务中，ISTS显著提升NLL、Brier score及拒绝排序表现。
来源：arXiv · ML · arxiv.org