基于可控图像生成的鲁棒图像有序回归
计算机视觉与模式识别
2023-05-23 v3
摘要
图像有序回归主要沿着利用类别顺序的思路进行研究。然而，有序回归中非常常见的类不平衡与类别重叠问题在很大程度上被忽视了。因此，少数类别的性能往往不尽人意。本文提出一种基于可控图像生成的称为 CIG 的新框架，直接解决这两个问题。我们的主要思想是生成类别边界附近带有特定标签的额外训练样本，且样本生成偏向代表性不足的类别。为实现可控图像生成，我们基于结构相似性、类别相似性和重建约束来分离图像的结构信息与类别信息。我们在三种不同的图像有序回归场景中评估了新 CIG 方法的有效性。结果表明，CIG 可灵活地与现成的图像编码器或有序回归模型集成以提升性能，且对少数类别的提升更为显著。
引用
@article{arxiv.2305.04213,
title = {Robust Image Ordinal Regression with Controllable Image Generation},
author = {Yi Cheng and Haochao Ying and Renjun Hu and Jinhong Wang and Wenhao Zheng and Xiao Zhang and Danny Chen and Jian Wu},
journal= {arXiv preprint arXiv:2305.04213},
year = {2023}
}
备注
8 pages, 12 figures, to be published in IJCAI2023