DeePaste——用于粘贴的修复
计算机视觉与模式识别
2021-12-28 v2
摘要
监督学习训练的挑战之一是需要获取大量带标签数据。解决此问题的一种著名方法是使用合成数据以复制-粘贴方式，即剪切物体并将其粘贴到相关背景上。朴素地粘贴物体会产生伪影，导致模型在真实数据上表现不佳。我们提出一种将物体干净地粘贴到不同背景上的新方法，使得所创建的数据集在真实数据上给出有竞争力的性能。重点在于利用修复技术处理被粘贴物体的边界。我们在实例检测与前景分割上均展示了最先进的结果。
引用
@article{arxiv.2112.10600,
title = {DeePaste -- Inpainting for Pasting},
author = {Levi Kassel Michael Werman},
journal= {arXiv preprint arXiv:2112.10600},
year = {2021}
}