掩码条件合成卫星影像
计算机视觉与模式识别
2023-02-10 v1 机器学习
摘要
在本文中，我们提出了一种用于创建合成卫星影像数据集的掩码条件合成图像生成模型。给定真实高分辨率图像及 accompanying 土地覆盖掩码的数据集，我们展示了训练一个上游条件合成影像生成器、使用该生成器结合土地覆盖掩码创建合成影像、然后在合成影像和土地覆盖掩码上训练下游模型的可能性，该下游模型可达到与使用真实影像训练的模型相近的测试性能。此外，我们发现结合真实与合成影像的混合作为一种数据增强方法，比仅使用真实影像产生更好的模型（0.5834 vs. 0.5235 mIoU）。最后，我们发现鼓励上游模型输出的多样性是提升下游任务性能的必要的组成部分。我们已在GitHub上发布用于复现我们工作的代码，见 https://github.com/ms-synthetic-satellite-image/synthetic-satellite-imagery 。
引用
@article{arxiv.2302.04305,
title = {Mask Conditional Synthetic Satellite Imagery},
author = {Van Anh Le and Varshini Reddy and Zixi Chen and Mengyuan Li and Xinran Tang and Anthony Ortiz and Simone Fobi Nsutezo and Caleb Robinson},
journal= {arXiv preprint arXiv:2302.04305},
year = {2023}
}