Jan, 2021

半合成：用于立体匹配有效数据集快速生成的方法

PDF
TL;DR本文提出半合成数据集的方法，通过接近真实场景纹理的渲染方式，以减少合成数据集与真实数据集之间的差距，进而提高立体匹配性能，此方法在 Middlebury 数据集上取得了 SOTA 的成绩，在 KITTI 和 ETH3D 数据集上也取得了竞争性的结果。
stereo matchingconvolutional neural networkssynthetic datatexture renderingsemi-synthetic
发现论文，激发创造
  • 在生产环境中构建综合数据以弥合仿真与真实世界之间的差距

    合成数据用于训练深度神经网络在计算机视觉应用中的重要性，重点探讨了在生产环境中使用的合成数据生成过程以及通过不同组合方法在减少仿真与现实差距方面的改进。

    Nov, 2023

  • 深度学习的合成数据

    本研究展示了合成数据的各种发展和应用方向，其中讨论合成数据的基本计算机视觉问题、室内外场景合成及数据应用、机器人仿真环境、合成数据在隐私相关应用方面的重要性，同时概括了如何改进和生产合成数据的替代方法。其次，介绍了合成数据转化后的真实应用存在的问题，最后，着重强调了未来在合成数据研究方面的最有潜力的方向。

    Sep, 2019

  • 真假：通过分布匹配进行有效的训练数据合成

    我们通过广泛的实验验证了我们的合成数据在各种图像分类任务中的有效性，既可以替代真实数据集，也可以作为其增强，同时也有益于挑战性任务，如超出分布的泛化和隐私保护。

    Oct, 2023

  • SIDAR: 用于对齐与修复的合成图像数据集

    该研究提出了一种使用 3D 渲染的数据增强方法，以产生更接近于实际世界情境的图像失真。这种数据增强方法可用于训练和评估图像对齐和伪影去除等多种任务，并且可应用于任何现有的数据集以改进任何现有方法的特征学习能力。

    May, 2023

  • 城市场景语义分割中合成数据的有效使用

    本文提出了一种无需真实图像数据的方法，通过修改前景和背景类的训练方法来适应合成图像，有效地训练出了适用于城市街景和驾驶场景的图像语义分割模型。

    Jul, 2018

  • 合成数据用于多物体抓握中的快速注释和鲁棒分割

    本研究提出了一种合成数据生成方法，结合小规模真实数据集，通过生成的合成场景数据和深度信息，训练出在物体识别、姿态估计和图像分割等方面表现优越的机器人抓取算法。

    Jan, 2024

  • 学习视差和光流估计的优良合成训练数据的要素是什么？

    这篇论文提出了使用合成数据来训练深度网络来解决计算机视觉问题的方法，并评估数据集的性质对性能和泛化能力的影响，同时证明了在训练过程的不同阶段使用不同类型的数据的学习进度的好处。

    Jan, 2018

  • DepthSynth：基于 CAD 模型实时生成逼真合成数据用于 2.5D 识别

    通过模拟关键因素（如传感器噪声、材料反射、表面几何）生成真实的深度数据，以提高深度神经网络的训练效果。

    Feb, 2017

  • 使用合成数据训练深度人脸识别系统

    本研究使用 3D 可变形面部模型，通过合成数据生成具有不同面部身份和完全控制的姿态、光照和背景的图像，观察到利用合成数据可以显著降低对真实世界图像需求，在预训练后，通过微调真实图像，合成数据与真实数据相结合的模型可获得更高的性能，而且并没有负面影响。

    Feb, 2018

  • 自我监督的真实到虚拟场景生成

    本研究提出一种自监督自动场景生成技术，可用于解决合成数据的生成成本高和领域差异等问题。该方法不需要真实世界数据集的监督，通过匹配真实数据的内容和特征，能够显著提高在多个数据集和真实数据集上场景图生成任务的表现。

    Nov, 2020