跳到正文
arXiv · 机器人与计算机视觉· Hyun-Jic Oh, GaYeon Koh, Won-Ki Jeong·· 15 天前AI 评分48

扩散模型数据增强方法提升少样本图像分类性能

Improving Diffusion-Based Augmentation for Data-Scarce Image Classification via Mask-Guided Reference Attention and Repulsive Noise Optimization

AI 导读

针对长尾单样本等极端数据稀缺场景,该方法通过掩码引导参考注意力与排斥噪声优化组件,在 CUB-LT 数据集 IF100 指标上最高提升 2.50 和 2.94 分。实验验证了其在少样本及背景偏移评估中的鲁棒性,有效解决了生成样本缺乏判别细节的问题。该研究已被 WACV2027 接收,代码与论文将公开。

来源:arXiv · 机器人与计算机视觉 · arxiv.org