基于单步扩散模型的Ali-AUG：创新的标记数据增强方法
计算机视觉与模式识别
2024-10-25 v1 人工智能
摘要
本文介绍Ali-AUG，这是一种用于工业应用的单步扩散模型，以实现标记数据增强。我们的方法解决了标记数据稀缺的挑战，通过生成具有精确特征插入的合成标记图像。Ali-AUG利用增强了跳跃连接和LoRA模块的稳定扩散架构，高效地集成掩码和图像，确保特征插入准确且不影响无关图像内容。跨越多个工业数据集的实验验证表明，Ali-AUG在生成高质量、含缺陷图像方面优于其他方法，同时保持快速的单步推理。通过提供对特征插入的精确控制并最小化所需的训练步骤，我们的技术显著增强了数据增强能力，为在标记数据有限的场景下提高深度学习模型性能提供了强大工具。Ali-AUG特别适用于缺陷产品图像生成，以训练AI模型以提高其在制造过程中检测缺陷的能力。使用不同的数据准备策略，包括分类准确率得分(CAS)和naive增强得分(NAS)，我们展示Ali-AUG相对于其他增强方法提升31%性能，相对于无数据增强的模型提升45%。值得注意的是，Ali-AUG减少了32%的训练时间并支持paired和unpaired数据集，增强了灵活性。
引用
@article{arxiv.2410.18678,
title = {Ali-AUG: Innovative Approaches to Labeled Data Augmentation using One-Step Diffusion Model},
author = {Ali Hamza and Aizea Lojo and Adrian Núñez-Marcos and Aitziber Atutxa},
journal= {arXiv preprint arXiv:2410.18678},
year = {2024}
}