跳到正文
arXiv · 机器人与计算机视觉· Patryk Bartkowiak, Dominik Michels, Soren Pirk, Wojtek Palubicki·· 2026-10-16精选AI 评分82

SADGE:一种无需下游训练即可预测合成图像数据集性能的跨域相似度度量方法

Auditing Metrics for Synthetic Data Utility: A Cross-Domain Study of Appearance and Geometry

AI 导读

论文提出 SADGE 指标,用于在不进行下游模型训练的情况下预测合成图像数据集在常见计算机视觉任务中的表现。研究指出仅凭外观或几何相似度无法可靠预测性能,二者需通过非线性交互共同作用。

推荐理由

提出 SADGE 指标,证明外观与几何相似度的非线性交互能预测合成数据在检测、分割等任务的下游性能。

来源:arXiv · 机器人与计算机视觉 · arxiv.org