验证文本基人物检索中合成数据的实证研究

数据在文本基人物检索 (TBPR) 研究中发挥着关键作用。主流研究范式需要实世界的人物图像并通过手动文本注释进行训练，以训练模型，带来隐私顾虑和标注负担。近期的一些 pioneering 工作探索了合成数据生成，但仍依赖真实数据作为基础，继承了相同的局限性。纯粹的合成 TBPR 数据的可行性仍未探索，而目前没有关于合成数据在各种真实场景下有效性边界的系统性研究。在本工作中，我们提出了 TBPR 中合成数据的第一个全面实证研究，包含两个关键方面。(1) 我们提出了一个统一的数据合成管线，能够完全无需真实人物数据运行。它结合了一个类间图像生成模块，通过自动提示构建策略产生多样化以身份为中心的图像，以及一种类内增强模块通过文本驱动的图像编辑来增强身份变化。(2) 在利用该管线和自动文本描述生成的基础上，我们通过大量实验探索了合成数据在多种场景下的有效性，以揭示其作为独立替代品或真实数据的补充增强的实际实用性。