Jan, 2023

Synthcity：促进不同数据模态中合成数据的创新应用案例

PDF
TL;DRSynthcity 是一种用于机器学习公平性、隐私和数据增强的开源软件包，支持各种数据模态，包括静态数据、正常和非正常时间序列、带有审核的数据、多源数据和复合数据，并提供可持续的工具和研究，是一个快速实验和原型设计的巨大场所。
发现论文，激发创造
  • SynthCity：大规模的合成点云数据集

    论文介绍了一个名为 SynthCity 的新型开放式数据集，可以提供一个用于深度学习自动分类三维点云数据的高质量的数据源。采用合成数据进行预训练网络是可能的解决方案。本文的贡献在于介绍了一种基于 3D 虚拟环境生成的全色移动激光扫描点云的数据集。

    Jul, 2019

  • SynthEval：一个用于详细评估表格化合数据的效用和隐私的框架

    合成数据评估框架 SynthEval 旨在解决机器学习中的数据稀缺性、数据公平性和数据隐私性问题，并通过统计和机器学习技术全面评估数据的准确性和隐私保护完整性。

    Apr, 2024

  • Synscapes：用于街景解析的照片级合成数据集

    使用逼真的渲染技术创建的 Synscapes 合成数据集在街景分割的训练和验证方面展示了最先进的结果，并研究了网络在合成数据上推断时的行为，并分析了现有分割和检测模型，为计算机视觉系统的分析提供了细微的信息。

    Oct, 2018

  • SynDy: 用于虚假信息任务的合成动态数据集生成框架

    SynDy 是一种利用最先进的大型语言模型，通过合成动态数据集的方法，为舆情封控提供了重要工具，用于针对声称匹配、专题聚类和声称关系分类等任务生成细粒度的合成标签，以便进行大规模人工事实核查。

    May, 2024

  • 超越隐私：合成数据的机遇与挑战

    本文探讨生成模型产生的合成数据可能成为机器学习领域的主导力量，可以创造更公平的数据、进行数据增强和模拟，尤其是在 ChatGPT 生成的文本方面。然而，在使用合成数据时，社区需要克服许多基本的挑战，其中最重要的是量化我们能够信任的查找或预测的程度。

    Apr, 2023

  • 评估大型语言模型生成的合成数据的多方面评价框架

    通过引入 SynEval 评估框架，对生成的合成表格数据进行质量、实用性和隐私保护方面的综合评估，以帮助研究人员和从业者在使用合成数据时有效地确定其适用性，并强调用户隐私的重要性。

    Apr, 2024

  • 利用合成数据解决智慧城市数字孪生模型中的可扩展性和数据可用性问题

    研究新的解决方案，以在智慧城市中实现试验和创新，使用数字孪生技术和合成数据，以最小化风险和成本，并以 NO2 污染为例进行了论证。

    Jul, 2022

  • 在受监管行业中实现合成数据采纳

    本文介绍了数据中心化思维的重要性和隐私问题、提出了基于合成数据的解决方案，并开发了一种全面的测试方法（DAISYnt），以检验这种方法在高度监管的领域中的可行性和质量，例如金融和医疗保健。

    Apr, 2022

  • 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

  • 可编程的合成表格数据生成

    大量的表格数据由于隐私、数据质量和数据共享限制而未完全利用。本文介绍了 ProgSyn，这是第一个可编程的合成表格数据生成算法，它允许对生成的数据进行全面的自定义。通过在原始数据集上进行预训练并根据提供的规范进行差分可微损失函数的微调，ProgSyn 可以确保高质量的数据并满足自定义规范。实验评估结果表明，ProgSyn 在多个约束条件下取得了新的最先进水平，并且具有广泛的适用性。综合而言，ProgSyn 为生成受限制的合成表格数据提供了灵活、易用的框架，允许规范超越先前的工作的能力。

    Jul, 2023