新流程改进了用于目标检测的合成到真实域自适应

研究人员开发了一个名为 SmartSDG 的新流程，该流程基于 NVIDIA Isaac Sim 并利用基于物理的着色 (PBS)，以改进目标检测模型从合成数据到真实世界数据的迁移。通过使用 YOLOv12 框架和名为 ILLUM_INTRUCK 的新数据集进行的 18 项实验，他们发现复杂的间接照明和多变的背景增强了视觉线索。他们的研究结果表明，避免直接镜面高光可以保留表面纹理，减小域间隙，并提高工业自动化中目标检测的鲁棒性。 AI

影响 通过优化用于实际部署的合成数据生成，提高了目标检测模型的鲁棒性。

排序理由 该条目是一篇研究论文，详细介绍了一种用于改进计算机视觉中合成到真实域自适应的新方法和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• CORE Recommender
• DagsHub
• Hooman Tavakoli Ghinani
• Hugging Face
• ILLUM_INTRUCK
• NVIDIA Isaac Sim
• Physically-Based Shading
• SmartSDG
• YOLOv12

• 论文
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →