BriefGPT - AI 论文速递
·
DiverGen: 通过学习更多样化的生成数据改善实例分割中的数据分布
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的方法来增强目标检测器的能力，通过在合成数据集中训练扩散模型并引入实例级别的定位引导器，提高了目标检测器的性能。实验结果显示，使用该方法训练的目标检测器在开放词汇和数据稀缺情景中表现更好。
🎯
关键要点
-
本文介绍了一种新的方法来增强目标检测器的能力。
-
通过训练基于扩散模型生成的合成数据集，提高了目标检测器的性能。
-
将实例级别的定位引导器集成到预训练的生成扩散模型中。
-
定位引导器通过监督和自我训练方案，将类别名称的文本嵌入与扩散模型的区域视觉特征对齐进行训练。
-
增强版的扩散模型被称为 InstaGen，可用作目标检测的数据合成器。
-
实验结果显示，使用 InstaGen 的合成数据集训练的目标检测器在开放词汇和数据稀缺情景中表现更好。
➡️
