基于风格迁移的增量数据增强提升新环境中的视觉感知
计算机视觉与模式识别
2023-09-19 v1 机器人学
摘要
自主智能体在真实场景中的部署受到“未知的未知”的挑战，即在训练期间未遇到的全新意外环境，例如退化的标志。虽然现有研究聚焦于异常检测与类别不平衡，但往往未能应对真正新颖的场景。我们的方法利用变分原型编码器（Variational Prototyping Encoder, VPE）巧妙识别并处理新颖输入，进而使用神经风格迁移进行增量数据增强以丰富代表性不足的数据，从而增强视觉感知。通过比较仅在原始数据集上训练的模型与在原始和增强数据集组合上训练的模型，我们观察到后者的性能有显著提升。这凸显了数据增强在增强模型鲁棒性方面的关键作用。我们的发现表明，引入生成模型用于特定领域增强策略具有潜在益处。
引用
@article{arxiv.2309.08851,
title = {Enhancing Visual Perception in Novel Environments via Incremental Data Augmentation Based on Style Transfer},
author = {Abhibha Gupta and Rully Agus Hendrawan and Mansur Arief},
journal= {arXiv preprint arXiv:2309.08851},
year = {2023}
}