CVPRApr, 2024

DiffuseMix：保持标签的扩充数据方法与扩散模型

PDF
TL;DR最近，引入了一些基于图像混合的数据增强技术来改善深度神经网络的泛化能力。我们提出了一种名为 DiffuseMix 的新型数据增强技术，该技术利用扩散模型重塑训练图像，并使用我们量身定制的条件提示进行监督。DiffuseMix 在包括一般分类、细粒度分类、微调、数据稀缺性和对抗鲁棒性等任务上相较于现有最先进的方法取得了优越性能。
image-mixing-based augmentationdiffusemixdiffusion modellabel ambiguitiesadversarial robustness
发现论文，激发创造
  • 扩散模型在有效数据增强中的应用

    通过使用图像转图像的方法、以及预训练的文本到图像扩散模型将其参数化，解决了数据扩增过程中具有高级语义标注的动物种类等属性缺乏多样性的问题，并在少样本情境和杂草识别任务中得到实际应用。

    Feb, 2023

  • 通过扩散模型的类间图片混合提升图像分类

    通过 Diff-Mix 方法进行图像翻译以实现数据增强，实现更好的忠实度和多样性平衡，从而在各种图像分类场景中显著提高性能。

    Mar, 2024

  • 从零开始使用基于扩散的数据增强来提升无监督对比学习

    通过扩散步骤，DiffAug 引入了一种新颖且高效的基于扩散的数据增强技术，以确保增强数据和原始数据在光滑的潜在空间中共享，从而通过无需标签、外部数据 / 模型或先前知识的约束来提高图像分类和聚类准确性，可适用于视觉和生物领域。

    Sep, 2023

  • GenMix：结合生成与混合数据增强的医学影像分类

    本研究提出了名为 GenMix 的新型数据增强技术，它结合了生成和混合方法以发挥两种方法的优势。通过在合成图像和真实数据之间进行混合，GenMix 改善了合成数据的质量和多样性，同时也提升了生成模型的新模式学习和混合模型的边界增强能力。验证实验证明 GenMix 提高了不同生成模型（包括 DCGAN，StyleGAN，Textual Inversion 和 Diffusion Models）在 CT 图像中分类肝脏病变的性能。值得注意的是，与无微调扩散模型的其他方法相比，采用 Textual Inversion 的提议方法在 FLL 数据集上表现更好。

    May, 2024

  • DP-Mix: 基于 Mixup 的差分隐私学习数据增强

    通过对数据进行增强，尤其是在训练数据有限的情况下，数据增强技术可以显著提高计算机视觉模型的泛化能力。然而，由于不同 ially private learning 方法固有的假设，即每个训练图像对学习模型的贡献是有限的，这些技术与不同 ially private 学习方法在基本上不兼容。本文研究了为什么多样本数据增强技术（如 mixup）的朴素应用无法取得良好的性能，并提出了两种新型的数据增强技术，专门针对不同 ially private 学习的约束条件。我们的第一种技术 DP-Mix_Self 通过在自我增强的数据上执行 mixup，在一系列数据集和设置中实现了具有 SoTA 分类性能。我们的第二种技术 DP-Mix_Diff 通过将来自预训练扩散模型的合成数据纳入 mixup 过程中，进一步提高了性能。我们在此 URL 中开源了代码。

    Nov, 2023

  • Diff-Mosaic: 通过扩散先验增强红外小目标检测的逼真表示

    本研究旨在通过扩充红外数据集及改进数据增强方法，利用扩散先验进行数据增强，从而提高红外目标检测网络性能。

    Jun, 2024

  • IPMix：用于训练鲁棒分类器的标签保持数据增强方法

    IPMix 提供了一种简单且可用于提高神经网络的鲁棒性的数据增强方法，通过整合图像级、补丁级和像素级三层数据增强，并引入结构复杂性和随机混合方法以扩大训练数据的多样性，实现在多个评估参数上的优越性能。

    Oct, 2023

  • ResizeMix：混合数据以保留对象信息和真实标签

    通过研究发现，基于图像显著性信息的数据混合并不一定对增强性能有太大帮助，采用更有效、更易于实现的 ResizeMix 方法进行数据混合比 CutMix 和基于显著性信息的方法更具优势。

    Dec, 2020

  • 利用语言进行图像的语义增强

    通过利用生成的图像来增强现有数据集的技术，该论文探讨了各种有效的数据增强策略，以提高深度学习模型的跨域泛化能力。

    Apr, 2024

  • TransformMix: 从数据中学习变换和混合策略

    数据增强通过合成更多的训练样本提高深度学习模型的泛化能力。TransformMix 是一种自动化方法，通过应用学习到的变换和混合扩增策略来创建具有正确和重要信息的混合图像，从而提高性能。

    Mar, 2024