InstructMixup 通过指令引导的斑块编辑增强深度视觉模型

研究人员推出了一种新颖的数据增强技术 InstructMixup，旨在增强深度视觉模型的泛化能力。该方法通过提取图像中的显著性斑块，使用指令引导的生成模型对其进行精炼，然后将这些编辑过的斑块重新整合到同一图像的非显著性区域。这种方法确保在单个视觉样本内创建具有挑战性但标签一致的训练样本，同时在训练过程中增加的计算成本极小。该技术还通过将自相似分形结构融入显著性区域来进一步丰富表示。在包括 CNN、ViT 和 VLM 在内的各种基准和模型架构上的评估表明，InstructMixup 的性能优于现有的增强方法。 AI

影响 该方法通过改进数据增强技术，有望带来更鲁棒、更通用的计算机视觉模型。

排序理由 该条目描述了 arXiv 论文中提出的一种用于计算机视觉数据增强的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• CNNS
• convolutional neural network
• InstructMixup
• Vision-Language Foundational Models
• Vision--Language Models
• Vision Transformers
• Vits

• 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 →