本研究提出VariReal，通过最小编辑源图像生成合成图像，探讨合成数据在训练CLIP分类器中的有效性。结果表明，混合可行与不可行图像对分类性能的影响微乎其微。

本研究提出WILD数据集，旨在解决合成图像源归属问题。该数据集包含来自10个商业生成器的图像，适用于模型训练和评估，推动后处理效应和对抗攻击的研究。

本研究提出了一种基于GAN集成的多目标优化方法，有效解决了生成医学成像时的高保真度、多样性和效率问题，成功生成多样化的合成医疗图像，提升了诊断建模效果。

本研究提出了一种新的潜在扩散模型（CICLD），旨在通过对抗学习有效缩小合成图像与真实图像之间的差距，从而改善无监督领域自适应（UDA），并提升多个基准数据集的表现。

本研究利用生成性人工智能技术，通过生成多样化的合成图像，解决了传统杂草管理中高质量标注训练数据稀缺的问题。实验结果表明，使用增强数据集训练的YOLO模型在精准度上显著提升，显示合成数据在提高模型稳健性和准确性方面的潜力。

本研究提出了一种深度学习框架，通过集成多种先进模型，提高MRI神经影像学中脑肿瘤分割的准确性，并生成高质量的合成图像，具有潜在的临床应用价值。

本研究提出了一种结合深度神经网络和运动捕捉数据的三维人体姿态估计方法，利用合成图像进行训练，取得了优于现有技术的效果。该方法有效解决了从单张RGB图像中估计3D姿态的挑战，展现了良好的性能和广阔的应用前景。

本文提出了一种基于3D模型合成训练图像的方法，以提升目标检测性能。通过生成与真实图像相似的合成图像，显著提高了无人机、飞机和汽车的检测效果。此外，结合合成数据和真实数据的深度学习热红外远程目标检测系统，改善了模型的鲁棒性和性能。

本文研究了文本到图像生成模型合成图像在识别任务中的应用，提出了应对数据缺乏和模型预训练的策略，提升合成图像检测器的性能，并探讨了未来研究方向。

研究表明，在医疗人工智能算法训练中，合成图像的低保真度在某些情况下优于高保真度图像。通过分析胸部X射线图像，确认了保真度与多样性之间的平衡问题，并提出了“病理学家在环路中”的框架，以生成临床可信的合成医学影像。此外，研究评估了图像质量指标，强调需改进医学图像翻译和协调技术的评估标准，以提高机器学习的可解释性和泛化性。

本文探讨了合成图像在数据收集和标注中的应用，提出通过合成数据生成模型来提高医学图像和城市场景的分割性能。研究表明，合成数据能有效提升模型准确性，减少对真实数据的依赖。

本文探讨了合成图像检测的挑战，提出了一种基于质量评估模型的抽样方法，并利用 StyleGAN2 和 Latent Diffusion 生成图像进行实验，结果表明该方法提高了检测性能。研究还涉及多分类方案和滤波策略，增强了探测器的泛化能力。通过机器学习技术，优化深度学习模型以区分合成与真实图像，推动数字媒体的可信度和伦理探索。

本文探讨了合成图像检测的最新进展，提出了一种基于反转特征的新型检测器，能够有效识别高视觉保真度的生成图像。研究表明，该检测器在多种设置下表现优异，并引入了新的评估协议以减少偏见。此外，提出了一种无需训练的水印框架，增强了图像的可追溯性和安全性。

该研究探讨了潜在扩散模型（LDM）在生成高质量合成图像和文本方面的应用，利用预训练自编码器和交叉注意力层提高训练效率和生成性能。同时，提出了DiscDiff模型用于合成DNA序列，并引入新的质量评估标准FReD。研究还展示了扩散模型在对话生成和跨模态任务中的优势，推动了生成建模的进展。

本文研究了通过大型数据集和多分类方案提升合成图像检测器的泛化和鲁棒性。结果表明，深度学习模型能够有效区分AI生成的图像与真实图像，其中ViT Patch-16模型在检测合成面部图像方面表现最佳。此外，研究还分析了合成图像中的傅里叶域信号缺陷及其对模型训练的影响。

该研究提出了一种新方法“Stealing Stable Diffusion (SSD) prior”，旨在提高单目深度估计在复杂环境中的可靠性。通过生成合成图像和自我训练机制，结合DINOv2编码器，增强了模型的深度估计能力。评估结果表明，该方法在nuScenes和Oxford RobotCar数据集上表现良好。

本文提出了一种用于无人驾驶宇宙飞船的合成图像数据生成方法，旨在提升语义分割和航天器姿态估计的性能。研究验证了合成数据的有效性，并介绍了多个数据集，如SPADES和SPEED，以支持深度学习模型的训练与评估，推动自主空间飞行器技术的发展。

本文提出了一种改进的增量学习方法，通过生成未来类别的合成图像来训练特征提取器，显著提高了学习性能。研究表明，合成样本优于真实数据，减少了灾难性遗忘问题，推动了无样本增量学习的发展。

该研究提出了DeepfakeBench基准测试，旨在统一深度伪造检测的数据处理和评估标准。通过优化深度学习模型，提高了合成图像的识别准确性，并探讨了合成数据生成技术在对象检测中的应用潜力。

本文探讨了合成图像生成与处理技术的发展，提出了基于多种技术的面部操作检测基准，包含180万操纵图像数据库。研究表明，领域特定知识能显著提高假冒检测的准确性，并提出了新的数据集和方法，改善了数字照片修饰检测的分类效果，展示了面部图像处理的多用途和稳健性。