用于合成俯瞰影像自动设计的元模拟方法
计算机视觉与模式识别
2022-10-28 v2
摘要
近年来，使用合成（或模拟）数据训练机器学习模型的做法迅速增长。合成数据通常比真实世界数据生成更快、成本更低。然而，使用合成影像的一个挑战是场景设计：例如内容与其特征及空间布局的选择。为使其有效，该设计不仅必须逼真，还需适合目标域（按假设为无标签）。在本工作中，我们提出一种基于无标签真实世界影像自动选择合成影像设计的方法。我们的方法称为神经伴随元模拟（Neural-Adjoint Meta-Simulation, NAMS），建立在开创性的近期元模拟方法之上。与当前最先进方法不同，我们的方法可离线预训练一次，随后为新目标影像提供快速设计推断。利用合成与真实世界问题，我们表明 NAMS 推断出的合成设计可匹配域内与域外目标影像，且使用 NAMS 设计的影像训练分割模型，相较于朴素随机设计与最先进元模拟方法取得了更优结果。
引用
@article{arxiv.2209.08685,
title = {Meta-simulation for the Automated Design of Synthetic Overhead Imagery},
author = {Handi Yu and Simiao Ren and Leslie M. Collins and Jordan M. Malof},
journal= {arXiv preprint arXiv:2209.08685},
year = {2022}
}