Bayesian methods for optical flow estimation using a variational approximation, with applications to ultrasound

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F23%3APU149984" target="_blank" >RIV/00216305:26220/23:PU149984 - isvavai.cz</a>

Výsledek na webu

<a href="https://ieeexplore.ieee.org/abstract/document/10095694" target="_blank" >https://ieeexplore.ieee.org/abstract/document/10095694</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/ICASSP49357.2023.10095694" target="_blank" >10.1109/ICASSP49357.2023.10095694</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Bayesian methods for optical flow estimation using a variational approximation, with applications to ultrasound

Popis výsledku v původním jazyce

We develop a unified Bayesian framework for optical flow (OF) estimation that uses a variational lower bound to obtain a variational approximation of the posterior probability distribution. Our framework enables the incorporation of domain-specific knowledge as well as a quantification of the uncertainty of OF estimation, and it encompasses existing maximum a posteriori (MAP) and variational Bayes (VB) methods as special cases. We leverage this flexibility for the ultrasound modality by using ultrasound-specific likelihood functions within both MAP and VB methods. Numerical results for the problem of cardiac motion estimation demonstrate that VB methods outperform MAP methods, in addition to providing a more faithful uncertainty measure.

Název v anglickém jazyce

Bayesian methods for optical flow estimation using a variational approximation, with applications to ultrasound

Popis výsledku anglicky

We develop a unified Bayesian framework for optical flow (OF) estimation that uses a variational lower bound to obtain a variational approximation of the posterior probability distribution. Our framework enables the incorporation of domain-specific knowledge as well as a quantification of the uncertainty of OF estimation, and it encompasses existing maximum a posteriori (MAP) and variational Bayes (VB) methods as special cases. We leverage this flexibility for the ultrasound modality by using ultrasound-specific likelihood functions within both MAP and VB methods. Numerical results for the problem of cardiac motion estimation demonstrate that VB methods outperform MAP methods, in addition to providing a more faithful uncertainty measure.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20205 - Automation and control systems

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2023

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

IEEE ICASSP 2023

ISBN

978-1-7281-6327-7

ISSN

—

e-ISSN

—

Počet stran výsledku

5

Strana od-do

1-5

Název nakladatele

Neuveden

Místo vydání

neuveden

Místo konání akce

Rhodes Island, Greece

Datum konání akce

4. 6. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—