ContRail：基于 ControlNet 的真实铁路图像合成框架
计算机视觉与模式识别
2024-12-11 v2 人工智能
摘要
深度学习因其卓越的有效性和在众多领域的适用性而成为普遍范式。然而，该方法存在实现其潜力所需的大量数据需求。人工智能的一个日益增长的子领域——图像合成，旨在通过设计能够创建原创且逼真图像的智能模型来解决这一限制，这一努力可大幅减少对真实数据的需求。Stable Diffusion 生成范式最近推动了最先进方法超越所有先前基准。在本工作中，我们提出了基于新型 Stable Diffusion 模型 ControlNet 的 ContRail 框架，我们通过多模态条件方法增强其实力。我们在合成铁路图像生成任务上进行了实验，通过用逼真合成图像丰富数据集来提升铁路特定任务（如铁路语义分割）的性能。
引用
@article{arxiv.2412.06742,
title = {ContRail: A Framework for Realistic Railway Image Synthesis using ControlNet},
author = {Andrei-Robert Alexandrescu and Razvan-Gabriel Petec and Alexandru Manole and Laura-Silvia Diosan},
journal= {arXiv preprint arXiv:2412.06742},
year = {2024}
}
备注
9 pages, 5 figures, 2 tables