Jul, 2022

PSP-HDRI$+$: 用于人类中心计算机视觉模型预训练的合成数据集生成器

PDF
TL;DR利用新型合成数据生成器 PSP-HDRI + 作为预训练替代品，模型性能比 ImageNet 及其它大规模合成数据的替代品更具泛化性，在 OOD 数据集上表现更佳；通过消融实验，基于人体关键点估计指标，进一步改进数据生成器以提高模型性能。
synthetic data generatorpsp-hdri+pre-trainingmodel performancekeypoint estimation
发现论文，激发创造
  • 使用生成模型的合成数据在野外进行的 3D 人体重建

    通过基于扩散模型的 HumanWild 方法，我们展示了由生成模型创建的合成数据与计算机图形渲染数据互补，从而在 3D 人体姿态和形状估计方面在多样化的真实场景中实现了卓越的泛化性能。

    Mar, 2024

  • Spritz-PS: 利用大型印刷文档数据集验证合成功能面部图像

    本文介绍了一个由真实和合成人类虹膜图像组成的新数据集，并说明如何评估发现缺失像素的合成虹膜。

    Apr, 2023

  • GTA-HDR：大规模合成数据集用于 HDR 图像重建

    本文介绍了 GTA-HDR，一个大规模的合成高动态范围图像数据集，旨在解决从低动态范围图像准确重建出视觉逼真的 HDR 图像的问题，并证明了该数据集在 HDR 图像重建方法和其他计算机视觉任务上的有效性。

    Mar, 2024

  • 通过综合实现域自适应以进行无监督的人员重新识别

    本研究通过构建包含数百种照明条件的新的合成数据集以及采用一种新颖的领域自适应技术来解决监控摄像头之间照明差异引起的重识别问题，取得了与监督技术相当的效果。

    Apr, 2018

  • 用于单目深度估计的高分辨率合成 RGB-D 数据集

    本文使用 Grand Theft Auto (GTA-V) 生成高分辨率的合成深度数据集 (HRSD)，包含 100,000 张彩色图像和相应的密集地面真实深度图，实验结果表明，使用此数据集训练的 DPT 算法在不同场景下的深度估计精度提高了 9％，进一步利用特征提取模块和注意力损失，可以将准确度提高 15％。

    May, 2023

  • 神经相似度：使用 NeRF 学习生成训练数据

    本文介绍了一种使用神经放射场的全可微合成数据管道，可在不需要人力劳动的情况下按需生成数据，从而使得目标任务的准确性最大化。作者在合成和实际的物体检测任务中展示了方法的有效性，并引入了一个可用于真实场景中具有不同姿势的物体检测的新数据集和基准测试 (YCB-in-the-Wild)。

    Jul, 2022

  • 精细选择 1% 数据集进行预训练！生成带语义查询的差分私有图像数据

    DP 图像数据合成方法 PRIVIMAGE 通过精选预训练数据、轻参数化生成模型和隐私保护梯度下降等技术，实现高保真度和高效用性的 DP 数据集的创建，并在综合实验中展现出超越业界方法的合成性能和资源节约效果。

    Oct, 2023

  • Hypersim：一个逼真的室内全景场景综合数据集

    本文介绍了一种名为 Hypersim 的、具备完整的室内场景计算机视觉理解的合成数据集，该数据集为场景、对象和像素级别提供完整的标注信息，并且评估了数据集的生成成本，并证明了使用该数据集进行预训练可以显著改善语义分割和 3D 形状预测任务的性能。

    Nov, 2020

  • 通用自由合成数据预训练 GAN 可挽救自然图像中的共性

    本文提出了一个基于自然图片通用特性，名为 Primitives-PS 的数据合成器，用于解决 GANs 转移学习时因典型数据集过拟合和会员推断攻击等问题。实验证明，我们的数据合成器各组件均有效，单一以我们数据集为预训练模型的 GANs 能够在各个目标数据集上表现出色，优于自然图像预先训练方法。

    Apr, 2022

  • 基于图像合成的深度 3D 人体姿态估计

    本文提出了一种在 “野外” 环境中进行三维人体姿态估计的解决方案，通过生成大量的具有三维姿势标注的逼真合成图像，并使用这些图像对全身三维姿势进行端对端的卷积神经网络训练，成功地在受控环境（Human3.6M）中优于大多数已发表的作品，并在真实图像（LSP）中展现了有前途的结果。

    Feb, 2018