Probabilistic Object Detection with Conformal Prediction

Resumen Técnico: Detección de Objetos Probabilística con Predicción Conformal

Enunciado del Problema
Desplegar detectores de objetos en dominios críticos para la seguridad, como la conducción autónoma, requiere no solo predicciones precisas, sino también estimaciones de incertidumbre fiables. Los detectores más avanzados suelen depender de redes neuronales deterministas que carecen de cuantificación de incertidumbre (UQ) inherente. Aunque existen detectores probabilísticos, sus métodos de UQ suelen ser específicos del modelo y computacionalmente costosos. La Predicción Conformal (CP) ofrece un marco posterior, agnóstico al modelo y libre de distribuciones para construir conjuntos de predicción con garantías de cobertura marginal en muestras finitas. Sin embargo, aplicar CP a la detección de objetos presenta dos desafíos específicos:

1. Salida Estructurada Multi-Variable: La detección de objetos produce predicciones de salida múltiple (coordenadas de la caja delimitadora y etiquetas de clase), lo que complica la aplicación de la teoría clásica de CP diseñada para salidas únicas.
2. Intervalos de Ancho Fijo: La CP estándar (no escalada) genera intervalos de predicción de ancho constante para todas las entradas. Esto ignora la dificultad variable de las predicciones individuales, lo que conduce a intervalos innecesariamente anchos para casos de baja incertidumbre y a una cobertura potencialmente insuficiente para casos de alta incertidumbre.

Metodología
Los autores proponen un marco que integra la Predicción Conformal con un detector de objetos probabilístico entrenado utilizando atenuación de pérdida (Kendall y Gal, 2017; Kassem Sbeyti et al., 2023). Este detector aprende la incertidumbre aleatoria (varianza) por predicción junto con los objetivos de regresión, proporcionando una estimación de incertidumbre eficiente computacionalmente y libre de muestreo.

La metodología se estructura en cuatro componentes clave:

1. CP Coordenada a Coordenada con Corrección de Bonferroni:
   Dado que la regresión de la caja delimitadora implica cuatro coordenadas, la CP se aplica coordenada a coordenada. Para garantizar las coberturas conjuntas a nivel de caja sin asumir estructuras de dependencia entre coordenadas, los autores aplican una corrección de Bonferroni, asignando un nivel de no cobertura de $\alpha/4$ a cada coordenada.

2. CP Escalada vs. No Escalada:

   • CP No Escalada: Utiliza un cuantil fijo derivado de los residuos absolutos ($| \hat{f}(x) - y |$), resultando en intervalos de ancho constante.
   • CP Escalada: Adapta el ancho del intervalo basándose en estimaciones de incertidumbre aleatoria dependientes de la entrada ($\hat{\sigma}(x)$). La función de puntuación se reescala: $s(\hat{y}, y) = | \hat{f}(x) - y | / \hat{\sigma}(x)$.
   • Variantes de Calibración: El estudio evalúa las estimaciones de atenuación de pérdida crudas (no calibradas) frente a dos variantes calibradas utilizando regresión isotónica relativa (aplicada globalmente y por coordenada/clase) para corregir la mala calibración en las estimaciones de varianza crudas.

3. CP Agnóstica a la Clase vs. CP por Clase:

   • Agnóstica a la Clase: Calcula un único conjunto de puntuaciones de conformidad a través de todas las clases.
   • Por Clase: Calcula cuantiles de calibración separados por clase de verdad fundamental (asumiendo etiquetas conocidas), permitiendo que los anchos de los intervalos se adapten a la dificultad específica de cada clase.

4. Pipeline de Dos Pasos (Clasificación y Regresión Conjuntas):
   Siguiendo a Timans et al. (2025), los autores implementan un pipeline donde:

   • Paso 1: Se aplica CP a la cabeza de clasificación utilizando Conjuntos de Predicción Adaptativa Regularizada (RAPS) para generar un conjunto de predicción para la clase del objeto.
   • Paso 2: La caja delimitadora conformalizada se condiciona a este conjunto de clases predichas. El cuantil para la caja delimitadora se selecciona como el peor caso solo sobre las clases en el conjunto de predicción, en lugar de sobre todas las clases posibles.

Contribuciones Clave
El artículo realiza las siguientes contribuciones específicas:

• Comparación Sistemática: Una evaluación exhaustiva de la CP no escalada frente a la escalada para la detección de objetos multiclase, evaluando tanto la validez de la cobertura como la nitidez del intervalo (IoU y puntuación de intervalo) en configuraciones dentro del dominio y entre dominios.
• Análisis de Calibración de Incertidumbre: Una investigación sobre cómo calibrar las estimaciones de atenuación de pérdida crudas (mediante regresión isotónica) afecta el rendimiento de la CP escalada.
• Evaluación por Clase: Un análisis de la CP por clase para la regresión de cajas delimitadoras, demostrando su impacto en la cobertura y la nitidez en relación con configuraciones agnósticas a la clase.
• Evaluación de Pipeline Conjunto: Una evaluación de un pipeline de dos pasos que conformaliza conjuntamente las cabezas de clasificación y regresión, probando específicamente la interacción entre los conjuntos de predicción de clases basados en RAPS y las cajas delimitadoras conformalizadas.

Resultados Experimentales
Se realizaron experimentos en tres conjuntos de datos de conducción autónoma: KITTI, BDD y CODA (este último sirviendo como evaluación entre dominios bajo desplazamiento de distribución).

• Rendimiento Escalado vs. No Escalado: La CP escalada superó consistentemente a la CP no escalada en términos de nitidez sin sacrificar las garantías de cobertura.
  • Mejoras en IoU: La CP escalada logró hasta un 19% más de IoU (por ejemplo, +5.4% en KITTI, +6.3% en CODA para variantes específicas) en comparación con la CP no escalada.
  • Puntuaciones de Intervalo: La CP escalada redujo las puntuaciones de intervalo hasta en un 39%, indicando una compensación significativamente mejor entre ancho y cobertura.
  • Desplazamiento de Distribución: Los beneficios de la escalado fueron más pronunciados en la configuración entre dominios (CODA), donde el detector opera bajo desplazamiento de distribución, lo que sugiere que los intervalos adaptativos son cruciales cuando el rendimiento del modelo se degrada.
• Impacto de la Calibración: Las estimaciones de atenuación de pérdida crudas (no calibradas) capturaron la mayoría de las ganancias de rendimiento sobre la CP no escalada. La calibración adicional mediante regresión isotónica proporcionó solo mejoras marginales adicionales en la nitidez, con efectos negligibles en la cobertura.
• Por Clase vs. Agnóstico a la Clase: La estratificación por clase redujo las puntuaciones de intervalo tanto para variantes escaladas como no escaladas, siendo la reducción más significativa para la CP escalada. Esto sugiere que los cuantiles condicionales a la clase interactúan favorablemente con la escalación de incertidumbre aleatoria.
• Pipeline de Dos Pasos: En el pipeline conjunto de clasificación-regresión, la CP escalada demostró una robustez superior. Mientras que la CP no escalada sufrió un aumento sustancial en la puntuación de intervalo (empeorando la nitidez) al condicionarse a conjuntos de predicción de clases, la puntuación de intervalo de la CP escalada en realidad disminuyó (mejoró). Esto indica que la CP escalada se degrada de manera más suave cuando se combina con incertidumbre de clasificación.

Significado y Afirmaciones
Los autores afirman que escalar los intervalos de Predicción Conformal mediante estimaciones de incertidumbre aleatoria derivadas de la atenuación de pérdida es un método simple, computacionalmente eficiente y principiado para mejorar la nitidez de los detectores de objetos conformalizados.

Las conclusiones clave enfatizadas por los autores incluyen:

• Incertidumbre Accionable: El pipeline propuesto genera estimaciones de incertidumbre más accionables para la detección de objetos en tiempo real y del mundo real, evitando un conservadurismo innecesario en escenarios de baja incertidumbre.
• Robustez: La superioridad de la CP escalada se mantiene a través de diferentes conjuntos de datos, estrategias de calibración de incertidumbre y configuraciones de pipeline (agnóstico a la clase, por clase y de dos pasos).
• Validez: Las mejoras en la nitidez se logran sin comprometer las garantías de cobertura marginal, las cuales permanecen válidas tanto para variantes escaladas como no escaladas.
• Practicidad: El enfoque requiere solo un pase forward y ningún cambio arquitectónico más allá de la cabeza de salida, lo que lo hace adecuado para aplicaciones críticas para la seguridad donde la eficiencia computacional es primordial.

El artículo concluye que, si bien la CP proporciona las garantías de cobertura necesarias, integrarla con estimaciones de incertidumbre dependientes de la entrada (CP escalada) es esencial para producir conjuntos de predicción ajustados y útiles en tareas complejas de salida múltiple como la detección de objetos.