用于训练超远距离目标识别模型的基于扩散的数据生成器
计算机视觉与模式识别
2024-11-26 v2
摘要
目标识别通常由相机执行，是机器人完成复杂任务的基本要求。一些任务需要识别远离机器人相机的物体。一个具有挑战性的例子是人机交互中的超远距离手势识别（URGR），其中用户在距离机器人最远 25 m 处做出指示性手势。然而，训练模型以识别位于超远距离且几乎不可见的物体，需要详尽地收集大量标记样本。合成训练数据集的生成是解决真实世界数据缺乏的近期方案，但无法正确复制图像中远处物体的真实视觉特征。在本文中，我们提出了基于 Diffusion 模型的超远距离扩散（DUR）框架，以在各种场景中生成远处物体的标记图像。DUR 生成器接收所需的距离和类别（例如手势），并输出相应的合成图像。我们应用 DUR 来训练具有指示性手势的 URGR 模型，其中手势手部的精细细节难以区分。DUR 与其他类型的生成模型进行了比较，展示了在训练 URGR 模型时在保真度和识别成功率上的优越性。更重要的是，在有限的真实数据上训练 DUR 模型，然后使用它生成合成数据来训练 URGR 模型，其性能优于直接在真实数据上训练 URGR 模型。基于合成的 URGR 模型还在地面机器人的手势引导中进行了演示。
关键词
引用
@article{arxiv.2404.09846,
title = {A Diffusion-based Data Generator for Training Object Recognition Models in Ultra-Range Distance},
author = {Eran Bamani and Eden Nissinman and Lisa Koenigsberg and Inbar Meir and Avishai Sintov},
journal= {arXiv preprint arXiv:2404.09846},
year = {2024}
}