Mar, 2024
人类中心视觉数据增强
Data Augmentation in Human-Centric Vision
Wentao Jiang, Yige Zhang, Shaozhong Zheng, Si Liu, Shuicheng Yan
TL;DR本调查在人相关的视觉任务中首次提供了对数据增强技术的全面分析。它深入研究了人物 ReID、人体解析、人体姿态估计和行人检测等广泛的研究领域，解决了过拟合和有限训练数据在这些领域中带来的重要挑战。我们将数据增强方法分为两类：数据生成和数据扰动。数据生成包括基于图形引擎的生成、基于生成模型的生成和数据重组等技术，而数据扰动分为图像级和人体级扰动。每种方法都针对人相关任务的独特需求进行了定制，其中一些方法适用于多个领域。我们的贡献包括广泛的文献回顾，深入洞察这些增强技术在人相关视觉中的影响，并突出每种方法的细微差别。我们还讨论了开放问题和未来方向，例如融合像潜扩散模型之类的先进生成模型，以创造更真实多样的训练数据。这项调查不仅概括了人相关视觉数据增强的当前状态，还为未来研究制定了计划，旨在开发更强大、准确和高效的人相关视觉系统。