面向航拍目标检测的稳定扩散模型
计算机视觉与模式识别
2023-11-22 v1 人工智能
机器学习
摘要
航拍目标检测是一项具有挑战性的任务，其主要障碍之一在于大规模数据收集的局限性以及某些类别的长尾分布。合成数据提供了一种有前景的解决方案，尤其是随着稳定扩散（SD）等基于扩散的方法近期取得进展。然而，将扩散方法直接应用于航拍领域带来了独特挑战：稳定扩散针对丰富地面语义的优化与航拍目标稀疏的特性并不匹配，且合成后目标坐标的提取仍存在难题。为应对这些挑战，我们提出了一种专为航拍图像设计的合成数据增强框架。该框架包含稀疏到稠密的兴趣区域（ROI）提取以弥合语义鸿沟，利用低秩自适应（LORA）微调扩散模型以避免 exhaustive 重训练，最后通过复制-粘贴（Copy-Paste）方法将合成目标与背景组合，为通过合成数据开展航拍目标检测提供了细致入微的方法。
引用
@article{arxiv.2311.12345,
title = {Stable Diffusion For Aerial Object Detection},
author = {Yanan Jian and Fuxun Yu and Simranjit Singh and Dimitrios Stamoulis},
journal= {arXiv preprint arXiv:2311.12345},
year = {2023}
}
备注
Accepted at NeurIPS 2023 Synthetic Data Generation with Generative AI workshop