用于 COCO 与杂草数据集中数据增强的 Stable Diffusion
计算机视觉与模式识别
2025-02-25 v4
摘要
生成模型对从计算机视觉到室内设计等众多任务产生了日益深远的影响。Stable Diffusion 作为一种强大的扩散模型，能够根据文本提示或参考图像生成具有复杂细节的高分辨率图像。一个引人入胜的挑战在于提升图像稀疏类别的小数据集性能。本研究通过评估七个常见类别和三种广泛分布的杂草物种，探讨了 Stable Diffusion 的有效性。使用三种基于 Stable Diffusion 的技术生成了合成图像：图像到图像转换、DreamBooth 和 ControlNet，每种技术侧重点各不相同。随后对这些合成图像执行分类和检测任务，并将其性能与在原始图像上训练的模型进行比较。部分类别取得了令人满意的结果，证明了 Stable Diffusion 在增强图像稀疏数据集方面的潜力。这项基础研究有望加速扩散模型在各个领域的应用。
引用
@article{arxiv.2312.03996,
title = {Stable Diffusion for Data Augmentation in COCO and Weed Datasets},
author = {Boyang Deng},
journal= {arXiv preprint arXiv:2312.03996},
year = {2025}
}