Apr, 2023

CrowdSim2：一个用于目标检测的开放式合成基准测试

PDF
TL;DR该研究论文介绍了 CrowdSim2—— 一个新的人和车辆检测适用的合成图像集合，旨在用于基于人工智能的监督模型开发。研究发现他们使用的这个新数据集对于在受控环境中测量检测器性能是一个有价值的工具。
data scarcityaicomputer visiondeep learningcrowdsim2
发现论文，激发创造
  • 为细粒度人员跟踪方法的精细验证开发逼真的人群仿真环境

    本文研究了通过真实或人工合成手段生成的人群数据集，利用模拟工具可以显著减少生成特定场景的人群数据集所需的时间，并辅助构建功能机器学习模型，开发了一个名为 CrowdSim2 的人群模拟器，并在应用于人员追踪算法中证明了其可用性。

    Apr, 2023

  • 群体分析中视觉和行为准确度的统一仿真框架

    模拟是一个强大的工具，可以轻松生成带有注释的数据，特别适用于那些需要大型训练数据集的学习模型的领域。我们介绍了一个名为 UniCrowd 的人群模拟器及其关联的验证流程，展示了该模拟器如何生成适用于计算机视觉任务的带注释数据，并包括人群计数、人体姿势估计、轨迹分析和预测以及异常检测等相关应用。

    Dec, 2023

  • 利用合成数据学习野外人群计数

    该研究通过利用合成数据生成器和标注器构建了一个大规模，多样化的合成数据集，采用两个方案 (预训练和领域自适应) 来提高人群计数的性能。实验显示，该方法在真实数据集上实现了最先进的性能。

    Mar, 2019

  • 扩散式数据集生成：缩小行人检测 Sim2Real 差距的步伐

    该研究提出了一种使用扩散模型增强模拟数据集的方法，以改善行人检测在现实世界数据中的性能，并使用扩散基础架构来生成具有真实分布的数据集，以填补模拟数据和真实数据之间的差距，通过使用生成数据与模拟数据进行的训练可以将行人检测模型在真实数据中的平均精度提高 27.3%。

    May, 2023

  • 室内场景物体检测训练数据的合成

    本文探讨了使用合成图像训练最先进的对象检测器，特别是针对对象实例检测。我们在实际环境的图像中将纹理对象模型的 2D 图像叠加在一起，以便在各种位置和比例上进行训练。通过这些实验，我们证明了利用现有的对象模型仓库为新对象训练检测器的新机会。

    Feb, 2017

  • CrowdHuman：人群中检测人物的基准

    本文介绍了一个新的数据集 CrowdHuman，用于更好地评估人群场景中的探测器，该数据集包含各种各样的遮挡问题，通过对比先前的数据集，展示了在 Cross-dataset generalization 方面的表现。

    Apr, 2018

  • Syn2Real: 一种新的用于合成到真实视觉领域适应的基准测试

    本文介绍了一个新的大型基准测试 Syn2Real，其中包括了一个从 3D 物体模型渲染出的合成域以及两个包含相同物体类别的真实图像域，分别定义了三个相关任务：封闭集物体分类、开放集物体分类和物体检测。评估多种最先进的方法揭示了现有方法在不同任务上存在的许多适应性问题。

    Jun, 2018

  • SYRAC: 合成、排序和计数

    使用潜在扩散模型生成合成数据，通过排名图像对进行预训练，并使用人群数量特征对噪声合成图像拟合线性层，从而实现无监督人群计数的最新结果。

    Oct, 2023

  • MOTSynth: 如何利用合成数据提高行人检测和跟踪的效果？

    使用渲染游戏引擎生成大量高度多样化的合成数据集 MOTSynth，可以在多人跟踪、行人检测、再识别和分割等任务中取代实际数据并取得良好的性能。

    Aug, 2021

  • Unity Perception：为计算机视觉生成合成数据

    介绍了 Unity Perception 套件，通过提供易于使用和高度可自定义的工具集，简化和加速了生成计算机视觉任务的合成数据集的过程。提供一个可扩展的随机化框架，让用户能够快速构建和配置随机化仿真参数以引入生成的数据集的变化，并通过训练一个二维物体检测模型证明了生成的合成数据集的价值。

    Jul, 2021