arXiv · 机器人与计算机视觉· Amala Mary Vincent, Bart De Schutter·· 12 小时前AI 评分48
无标注合成水下垃圾检测数据生成方法对比:DALL-E 提升四领域性能
Automated Annotation-Free Synthetic Data Generation for Underwater Litter Detection: A Comparison of Generative Approaches
AI 导读
针对水下目标检测因浑浊、光照及传感器差异导致的数据稀缺问题,研究提出无需人工标注的自动化零标注流水线。该流程在 SeaClear 数据集上比较了复制粘贴、Stable Diffusion 修复及 DALL-E 三种生成策略,结果显示 DALL-E 方法在五个领域中提升了四个领域的检测性能,相对基线最高增益达 96%。
来源:arXiv · 机器人与计算机视觉 · arxiv.org