DatasetGAN：以最小人力实现高效标注数据工厂
计算机视觉与模式识别
2021-04-21 v2
摘要
我们提出 DatasetGAN：一种仅需极少人力即可自动生成大规模高质量语义分割图像数据集的流程。当前深度网络极度依赖数据，受益于在大规模数据集上训练，而标注此类数据集十分耗时。我们的方法依托近期 GAN 的强大能力生成逼真图像。我们展示了如何解码 GAN 潜码以产生图像的语义分割。训练解码器仅需少量标注样本即可泛化至其余潜空间，从而得到一个无限的标注数据集生成器！这些生成的数据集随后可像真实数据集一样用于训练任意计算机视觉架构。由于只需手动分割少量图像，便可对图像进行极精细标注，并生成具有丰富物体与部件分割的数据集。为展示我们方法的威力，我们为 7 项图像分割任务生成了数据集，包含 34 个人脸部位和 32 个汽车部位的像素级标签。我们的方法显著优于所有半监督基线，并与全监督方法相当，而后者在某些情况下所需的标注数据多达我们方法的 100 倍。
引用
@article{arxiv.2104.06490,
title = {DatasetGAN: Efficient Labeled Data Factory with Minimal Human Effort},
author = {Yuxuan Zhang and Huan Ling and Jun Gao and Kangxue Yin and Jean-Francois Lafleche and Adela Barriuso and Antonio Torralba and Sanja Fidler},
journal= {arXiv preprint arXiv:2104.06490},
year = {2021}
}
备注
Accepted to CVPR 2021 as an Oral paper. Webpage: https://nv-tlabs.github.io/datasetGAN/