HandsOff：无需额外人工标注的带标签数据集生成
计算机视觉与模式识别
2023-04-03 v2 机器学习
摘要
近期工作利用生成对抗网络（GANs）的表达能力来生成带标签的合成数据集。这些数据集生成方法通常需要对合成图像进行新的标注，这迫使实践者寻找标注者、策划一组合成图像并确保生成标签的质量。我们引入了 HandsOff 框架，一种在少于 50 张已有标注图像上训练后，能够生成无限数量合成图像及相应标签的技术。我们的框架通过将 GAN 反演领域与数据集生成相统一，避免了先前工作的实际缺陷。我们在人脸、汽车、全身人体姿态和城市驾驶场景等多个具有挑战性的领域中生成了具有丰富像素级标签的数据集。与先前的数据集生成方法和迁移学习基线相比，我们的方法在语义分割、关键点检测和深度估计中达到了最先进的性能。我们还展示了其解决由固定的、人工标注数据集引起的模型开发广泛挑战的能力，例如语义分割中的长尾问题。项目页面：austinxu87.github.io/handsoff。
引用
@article{arxiv.2212.12645,
title = {HandsOff: Labeled Dataset Generation With No Additional Human Annotations},
author = {Austin Xu and Mariya I. Vasileva and Achal Dave and Arjun Seshadri},
journal= {arXiv preprint arXiv:2212.12645},
year = {2023}
}
备注
22 pages, 20 figures. CVPR 2023