Fugu-MT 論文翻訳(概要): Enhancing Long-Term Re-Identification Robustness Using Synthetic Data: A Comparative Analysis

論文の概要: Enhancing Long-Term Re-Identification Robustness Using Synthetic Data: A Comparative Analysis

arxiv url: http://arxiv.org/abs/2504.18286v1
Date: Fri, 25 Apr 2025 11:57:11 GMT
ステータス: 翻訳完了
システム内更新日: 2025-05-02 19:15:53.760541
Title: Enhancing Long-Term Re-Identification Robustness Using Synthetic Data: A Comparative Analysis
Title（参考訳）: 合成データを用いた長期再同定ロバストネスの強化:比較分析
Authors: Christian Pionzewski, Rebecca Rademacher, Jérôme Rutinowski, Antonia Ponikarov, Stephan Matzke, Tim Chilla, Pia Schreynemackers, Alice Kirchheim,
Abstract要約: 本研究は, 合成トレーニングデータの利用と, 材料摩耗と加齢の予測が再同定の文脈に与える影響について検討する。ギャラリーを継続的に更新することで,平均ランク1の精度を24%向上することができた。この研究は、新しいオープンソースの再識別データセット、palet-block-2696を導入している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This contribution explores the impact of synthetic training data usage and the prediction of material wear and aging in the context of re-identification. Different experimental setups and gallery set expanding strategies are tested, analyzing their impact on performance over time for aging re-identification subjects. Using a continuously updating gallery, we were able to increase our mean Rank-1 accuracy by 24%, as material aging was taken into account step by step. In addition, using models trained with 10% artificial training data, Rank-1 accuracy could be increased by up to 13%, in comparison to a model trained on only real-world data, significantly boosting generalized performance on hold-out data. Finally, this work introduces a novel, open-source re-identification dataset, pallet-block-2696. This dataset contains 2,696 images of Euro pallets, taken over a period of 4 months. During this time, natural aging processes occurred and some of the pallets were damaged during their usage. These wear and tear processes significantly changed the appearance of the pallets, providing a dataset that can be used to generate synthetically aged pallets or other wooden materials.
Abstract（参考訳）: このコントリビューションは、合成トレーニングデータの利用と、再同定の文脈における材料摩耗と老化の予測に与える影響を探求する。異なる実験装置およびギャラリーセット拡張戦略を試験し、老化した再識別対象者に対する時間経過に伴うパフォーマンスへの影響を分析した。平均ランク1の精度を24%向上させることができたのは, 素材の老化が段階的に考慮されたためである。さらに、10%の人工トレーニングデータでトレーニングされたモデルを使用することで、実世界のデータのみでトレーニングされたモデルと比較して、ランク1の精度が最大13%向上し、ホールドアウトデータでの一般的なパフォーマンスが著しく向上する。最後に、この研究は、新しいオープンソースの再識別データセット、palet-block-2696を導入している。このデータセットは、ユーロパレットの2,696枚の画像を含む。この期間、自然老化の過程が起こり、使用中にいくつかのパレットが損傷した。これらの摩耗・破断過程はパレットの外観を大きく変化させ、合成老朽化したパレットやその他の木質材料を生成するのに使用できるデータセットを提供する。

関連論文リスト

License Plate Images Generation with Diffusion Models [4.151073288078749]
本稿では,映像生成にインスパイアされた拡散モデルを用いて,現実的なライセンスプレート(LP)を合成することを提案する。我々は1万枚のLP画像からなる合成データセットを作成し、https://zenodo.org/doi/10.528/zenodo.13342102で公開しました。
論文参考訳（メタデータ） (2025-01-06T20:22:18Z)
Data Augmentation via Latent Diffusion for Saliency Prediction [67.88936624546076]
残差予測モデルはラベル付きデータの限られた多様性と量によって制約される。本研究では,実世界のシーンの複雑さと変動性を保ちながら,自然画像の編集を行うディープ・サリエンシ・予測のための新しいデータ拡張手法を提案する。
論文参考訳（メタデータ） (2024-09-11T14:36:24Z)
The Impact of Balancing Real and Synthetic Data on Accuracy and Fairness in Face Recognition [10.849598219674132]
人口統計学的にバランスのとれた認証データと合成データとが、顔認識モデルの精度と公正性に与える影響について検討した。本研究は,I とI,I,I,I,I,I,I,I,I,I,I,I,I,I,I,I,I,E,,,,,I,,,,,,
論文参考訳（メタデータ） (2024-09-04T16:50:48Z)
Learning from Synthetic Data for Visual Grounding [55.21937116752679]
そこで本研究では,SynGroundが市販のビジョン・アンド・ランゲージモデルのローカライズ能力を向上できることを示す。 SynGroundで生成されたデータは、事前訓練されたALBEFモデルとBLIPモデルのポインティングゲーム精度をそれぞれ4.81%、絶対パーセンテージポイント17.11%向上させる。
論文参考訳（メタデータ） (2024-03-20T17:59:43Z)
DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
論文参考訳（メタデータ） (2024-03-20T04:58:03Z)
Improving Pallet Detection Using Synthetic Data [0.36868085124383626]
機械学習における合成データの利用は、効果的なオブジェクト検出器を実装する際にかなりの時間を節約する。本研究では、合成されたドメインランダム化データと、Unityで生成されたデータを用いてこれを実現することを提案する。ドメインランダム化データの使用は、Unity生成データと比較すると、無視できるパフォーマンス改善であった。
論文参考訳（メタデータ） (2024-02-11T03:54:44Z)
Spanning Training Progress: Temporal Dual-Depth Scoring (TDDS) for Enhanced Dataset Pruning [50.809769498312434]
我々は、時間的デュアルディープス・スコーリング(TDDS)と呼ばれる新しいデータセット・プルーニング手法を提案する。本手法は,10%のトレーニングデータで54.51%の精度を達成し,ランダム選択を7.83%以上,他の比較手法を12.69%以上上回る結果を得た。
論文参考訳（メタデータ） (2023-11-22T03:45:30Z)
On the Applicability of Synthetic Data for Re-Identification [1.9634272907216732]
この貢献は、データセット拡張のためのEPALパレットブロックの画像にGAN(Generative Adversarial Networks)を適用する可能性を示している。 1,004個のパレットブロックの画像がCycleGANを用いて生成された。このシナリオの精度は、合成画像では最大88%、原画像では96%であった。
論文参考訳（メタデータ） (2022-12-20T09:27:48Z)
Time flies by: Analyzing the Impact of Face Ageing on the Recognition Performance with Synthetic Data [18.47822752527376]
本研究は,オープンソースのバイオメトリック認識システムの性能に及ぼす加齢の影響について考察する。本研究の主目的は,1～5年間の短期年齢が一般認知能力にわずかに影響を及ぼすことである。
論文参考訳（メタデータ） (2022-08-17T10:28:27Z)
FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文参考訳（メタデータ） (2021-06-21T14:31:32Z)
Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文参考訳（メタデータ） (2020-05-18T09:36:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。