基于对比学习与语义-结构一致性约束的无监督合成图像精炼
计算机视觉与模式识别
2023-04-27 v2 人工智能
图像与视频处理
摘要
确保计算机生成的合成图像的真实感对深度神经网络（DNN）训练至关重要。由于合成数据集与真实世界采集数据集之间存在不同的语义分布，合成图像与精炼图像之间会出现语义不匹配，进而导致语义失真。近来，对比学习（CL）已成功用于将相关图像块拉近、不相关图像块推远。本工作中，我们利用合成图像与精炼图像之间的语义与结构一致性，并采用CL来降低语义失真。此外，我们引入难负样本挖掘以进一步提升性能。我们通过定性与定量指标将所提方法与若干其他基准方法进行比较，表明我们的方法达到了最先进的性能。
引用
@article{arxiv.2304.12591,
title = {Unsupervised Synthetic Image Refinement via Contrastive Learning and Consistent Semantic-Structural Constraints},
author = {Ganning Zhao and Tingwei Shen and Suya You and C. -C. Jay Kuo},
journal= {arXiv preprint arXiv:2304.12591},
year = {2023}
}