AGILE：基于注意力引导的扩散图像和标签翻译用于高效跨域植物特征识别

语义一致的跨域图像翻译有助于通过在不同域之间传递标签来生成训练数据，特别适用于农业中的植物特征识别。然而，现有生成模型在跨域之间翻译图像时难以保持对象层面的准确性，尤其是在域间差距显著时更为如此。本文引入了 AGILE（Attention-Guided Image and Label Translation for Efficient Cross-Domain Plant Trait Identification），一个基于扩散的框架，利用优化后的文本嵌入和注意力引导来对图像翻译进行语义约束。AGILE 利用预训练的扩散模型和公开的农业数据集来提高翻译图像的保真度，同时保持关键对象语义。我们的方法通过优化文本嵌入来加强源图像与目标图像之间的对应关系，并在去噪过程中引导注意力图以控制对象位置。我们在跨域植物数据集上评估了 AGILE，证明其在生成语义准确的翻译图像方面的有效性。定量实验表明，AGILE 在目标域中提高了对象检测性能，同时保持了真实性和一致性。与先前的图像翻译方法相比，AGILE 在对象显著变化或域间差距显著的困难情况下实现了更好的语义对齐。