Humanitarian Demining Center

新方法利用 VLM 和扩散模型从无标签照片创建带标签的训练数据

研究人员开发了一种新颖的方法，利用少量无标签照片为物体检测器生成带标签的训练数据。该方法利用视觉语言模型 (VLM) 从单个图像创建 3D 植被场景，从而自动生成边界框和分割掩码。然后使用扩散模型对这些场景进行重新纹理化，其中“掩码锁定”参数控制扩散过程对目标物体的影响程度。这种合成数据在用于训练标准检测器时，其性能与在不同地点的更大、真实的 数据集上训练的检测器相当，证明了在人道主义扫雷等任务中有效的无监督地点适应性。