用于零样本领域特定图像分类的属性化合成数据生成
计算机视觉与模式识别
2025-04-08 v1
摘要
零样本领域特定图像分类在缺乏真实领域内训练样本的情况下对真实图像进行分类具有挑战性。最近的研究利用文本知识，结合文本到图像模型，在零样本场景中生成领域内训练图像。然而，现有方法严重依赖简单的提示策略，限制了合成训练图像的多样性，从而导致性能不如真实图像。在本文中，我们提出AttrSyn，它利用大语言模型生成属性化提示。这些提示允许生成更多样化的属性化合成图像。在两个细粒度数据集上的零样本领域特定图像分类实验表明，使用AttrSyn生成的合成图像进行训练，在大多数情况下显著优于CLIP的零样本分类，并且始终优于简单的提示策略。
引用
@article{arxiv.2504.04510,
title = {Attributed Synthetic Data Generation for Zero-shot Domain-specific Image Classification},
author = {Shijian Wang and Linxin Song and Ryotaro Shimizu and Masayuki Goto and Hanqian Wu},
journal= {arXiv preprint arXiv:2504.04510},
year = {2025}
}