본 논문은 분류 시스템의 예측 불확실성을 제어하기 위해 작은 예측 집합을 생성하는 Conformal Prediction (CP)에 대해 다룹니다. CP는 모델 예측을 기반으로 점수를 정의하고 검증 집합을 사용하여 이 점수에 대한 임계값을 설정하는 방식으로 작동합니다. 본 연구는 노이즈가 있는 레이블을 가진 검증 집합에만 접근할 수 있는 경우 CP의 보정 문제를 해결합니다. 노이즈가 있는 레이블 데이터를 기반으로 노이즈가 없는 conformal 임계값을 추정하는 방법을 제시하고, 많은 클래스를 가진 작업에서도 효과적인 균일 노이즈에 대한 유한 샘플 적용 범위 보장을 도출합니다. 이 방법을 Noise-Aware Conformal Prediction (NACP)이라고 부릅니다. 여러 표준 이미지 분류 데이터셋에서 제안된 결과의 성능을 보여줍니다.
