【论文粗读】变分自编码器以及应用在域自适应

1. A Probabilistic U-Net for Segmentation of Ambiguous Images
2. Uncertainty-aware domain alignment for anatomical structure segmentation

一、模糊图像的概率unet分割

 

Unet和变分自编码器（生成网络）的一种结合，通过对潜在空间进行扰动来获得预测不确定性的能力，文中对latent space扰动三次，然后结合unet的输出最终获得多个预测结果，由此来计算不确定性。通过下面这个代码生成干扰后的模型，通过这些模型来获得

dist = Independent(Normal(loc=mu, scale=torch.exp(log_sigma)), 1)

z_posterior = self.posterior_latent_space.rsample()

 

二、解剖结构分割的不确定感知域对齐

 

也是利用变分自编码器来生成不确定性的模型，transfer branch模块和上面一篇论文大同小异。利用不确定性的map结合prediction来和GT求loss，公式如下：

在adaptation branch中还通过不确定性map来挑选置信度较高的一些图片，然后送到后面分割网络中去训练。