合成用于像素级检测的伪影数据集
计算机视觉与模式识别
2025-09-25 v1
摘要
伪影检测器已被证明可以通过在微调期间充当奖励模型来增强图像生成模型的性能。这些检测器使生成模型能够提高整体输出保真度和美学效果。然而，训练伪影检测器需要昂贵的、指定伪影区域的像素级人工标注。标注数据的缺乏限制了伪影检测器的性能。一种朴素的伪标签方法——训练一个弱检测器并用它来标注无标签图像——会受到噪声标签的影响，导致性能不佳。为了解决这个问题，我们提出了一种伪影破坏流程，该流程在预定的区域自动将伪影注入干净、高质量的合成图像中，从而无需人工标注即可生成像素级标注。所提出的方法能够训练出一个伪影检测器，与基线方法相比，在人工标注数据上验证，其性能在 ConvNeXt 上提升了 13.2%，在 Swin-T 上提升了 3.7%。这项工作代表了迈向可扩展的、将世界知识整合到伪影检测中的像素级伪影标注数据集的初步一步。
引用
@article{arxiv.2509.19589,
title = {Synthesizing Artifact Dataset for Pixel-level Detection},
author = {Dennis Menn and Feng Liang and Diana Marculescu},
journal= {arXiv preprint arXiv:2509.19589},
year = {2025}
}
备注
Under submission to WACV