FLAME Diffuser：利用掩码引导扩散进行野火图像合成
计算机视觉与模式识别
2024-10-02 v2
摘要
野火对生态系统和人类基础设施构成重大威胁，导致广泛的破坏和环境退化。深度学习和生成模型的最新进展为野火检测和监测提供了新方法。然而，标注野火图像的稀缺限制了这些任务鲁棒模型的开发。在本工作中，我们提出了 FLAME Diffuser，这是一个无需训练的、基于扩散的框架，旨在生成具有配对真实标签的真实野火图像。我们的框架使用从真实野火数据中采样的增强掩码，并应用 Perlin 噪声来引导真实火焰的生成。通过控制这些元素在图像中的位置，我们确保了精确整合，同时保持了原始图像的风格。我们使用归一化 Fréchet Inception Distance、CLIP Score 和自定义的 CLIP Confidence 指标对生成的图像进行评估，证明了合成野火图像的高质量和逼真度。具体而言，本工作中 Perlin 噪声的融合显著提高了合成图像的质量。所提出的方法对于增强用于野火检测和监测等下游任务的数据集特别有价值。
引用
@article{arxiv.2403.03463,
title = {FLAME Diffuser: Wildfire Image Synthesis using Mask Guided Diffusion},
author = {Hao Wang and Sayed Pedram Haeri Boroujeni and Xiwen Chen and Ashish Bastola and Huayu Li and Wenhui Zhu and Abolfazl Razi},
journal= {arXiv preprint arXiv:2403.03463},
year = {2024}
}