PulseAugur
中
实时 14:37:13
English(EN) Beyond Objects: Contextual Synthetic Data Generation for Fine-Grained Classification

新的BOB方法提升了细粒度图像分类的合成数据

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为BOB（Beyond Objects）的新微调策略，以改进细粒度图像分类的合成数据生成。该方法解决了在使用有限的真实世界示例微调文本到图像模型时可能出现的过拟合和多样性损失的挑战。通过提取然后边际化类无关属性（如背景和姿势），BOB提高了合成数据的质量和多样性，在少样本分类场景中取得了最先进的性能。 AI

影响 增强了细粒度分类的合成数据生成，可能减少对大型真实世界数据集的需求。

排序理由 该集群包含一篇详细介绍合成数据生成新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · William Yang, Xindi Wu, Zhiwei Deng, Esin Tureci, Olga Russakovsky ·

    Beyond Objects: Contextual Synthetic Data Generation for Fine-Grained Classification

    arXiv:2510.24078v2 Announce Type: replace Abstract: Text-to-image (T2I) models are increasingly used for synthetic dataset generation, but generating effective synthetic training data for classification remains challenging. Fine-tuning a T2I model with a few real examples can hel…

相关实体

相关话题