論文の概要: RSGen: Enhancing Layout-Driven Remote Sensing Image Generation with Diverse Edge Guidance
- arxiv url: http://arxiv.org/abs/2603.15484v2
- Date: Tue, 17 Mar 2026 07:32:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 13:19:44.048919
- Title: RSGen: Enhancing Layout-Driven Remote Sensing Image Generation with Diverse Edge Guidance
- Title（参考訳）: RSGen: 複数エッジガイダンスによるレイアウト駆動型リモートセンシング画像生成の強化
- Abstract要約: 拡散モデルはリモートセンシングにおける注釈付きデータの不足の影響を著しく緩和した。
近年のアプローチでは、これらのモデルを利用して、多様かつ制御可能なレイアウト・トゥ・イメージ合成を実現している。
本稿では,多様なエッジガイダンスを活用し,レイアウト駆動型RS画像生成を向上するプラグイン・アンド・プレイ・フレームワークであるRSGenを提案する。
- 参考スコア（独自算出の注目度）: 15.916510585915406
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion models have significantly mitigated the impact of annotated data scarcity in remote sensing (RS). Although recent approaches have successfully harnessed these models to enable diverse and controllable Layout-to-Image (L2I) synthesis, they still suffer from limited fine-grained control and fail to strictly adhere to bounding box constraints. To address these limitations, we propose RSGen, a plug-and-play framework that leverages diverse edge guidance to enhance layout-driven RS image generation. Specifically, RSGen employs a progressive enhancement strategy: 1) it first enriches the diversity of edge maps composited from retrieved training instances via Image-to-Image generation; and 2) subsequently utilizes these diverse edge maps as conditioning for existing L2I models to enforce pixel-level control within bounding boxes, ensuring the generated instances strictly adhere to the layout. Extensive experiments across three baseline models demonstrate that RSGen significantly boosts the capabilities of existing L2I models. For instance, with CC-Diff on the DOTA dataset for oriented object detection, we achieve remarkable gains of +9.8/+12.0 in YOLOScore mAP50/mAP50-95 and +1.6 in mAP on the downstream detection task. Our code will be publicly available: https://github.com/D-Robotics-AI-Lab/RSGen
- Abstract（参考訳）: 拡散モデルはリモートセンシング(RS)における注釈付きデータ不足の影響を著しく緩和した。
近年のアプローチでは、多種多様なLayout-to-Image(L2I)合成を可能にするためにこれらのモデルを活用することに成功したが、それでも細粒度制御に悩まされ、境界ボックスの制約に厳密に従わなかった。
これらの制約に対処するために,多様なエッジガイダンスを利用してレイアウト駆動型RS画像生成を向上するプラグイン・アンド・プレイ・フレームワークであるRSGenを提案する。
具体的には、RSGenはプログレッシブエンハンスメント戦略を採用しています。
1)画像から画像を生成することにより,検索したトレーニングインスタンスから合成したエッジマップの多様性を向上する。
2) 既存のL2Iモデルでは,これらの多様なエッジマップを条件付けとして,バウンディングボックス内でピクセルレベルの制御を強制し,生成されたインスタンスがレイアウトに厳密に準拠するようにした。
3つのベースラインモデルにわたる大規模な実験により、RSGenは既存のL2Iモデルの能力を大幅に向上することを示した。
例えば、オブジェクト指向オブジェクト検出のためのDOTAデータセットのCC-Diffでは、YOLOScore mAP50/mAP50-95で+9.8/+12.0、下流検出タスクで+1.6で+9.8/+12.0を達成しています。
私たちのコードは、https://github.com/D-Robotics-AI-Lab/RSGenで公開されます。
関連論文リスト
- SFFNet: Synergistic Feature Fusion Network With Dual-Domain Edge Enhancement for UAV Image Object Detection [25.963089047314963]
無人航空機(UAV)画像における物体検出は非常に難しい課題である。
我々は,UAV画像の物体検出に適した2領域エッジ拡張を備えた相乗的特徴融合ネットワーク(SFFNet)を開発した。
2つの挑戦的な空中データセットの実験は、SFFNet-Xの卓越した性能を示している。
論文 参考訳（メタデータ） (2026-04-03T16:52:49Z) - Training-Free Layout-to-Image Generation with Marginal Attention Constraints [73.55660250459132]
トレーニング不要なレイアウト・トゥ・イメージ(L2I)アプローチを提案する。
具体的には、テキスト・ビジュアル・クロスアテンション・フィーチャーマップを用いて、生成された画像のレイアウトと提供された命令の不整合を定量化する。
自己アテンション特徴写像の画素間相関を利用して、交差アテンション写像を整列し、境界注意で制約された3つの損失関数を組み合わせ、潜時特徴を更新する。
論文 参考訳（メタデータ） (2024-11-15T05:44:45Z) - LiOn-XA: Unsupervised Domain Adaptation via LiDAR-Only Cross-Modal Adversarial Training [61.26381389532653]
LiOn-XAは、LiDAR-Only Cross-Modal (X)学習と3D LiDARポイントクラウドセマンティックセマンティックセグメンテーションのためのAdversarial Trainingを組み合わせた、教師なしドメイン適応(UDA)アプローチである。
3つの現実的適応シナリオに関する実験は、我々のアプローチの有効性を実証している。
論文 参考訳（メタデータ） (2024-10-21T09:50:17Z) - ControlSR: Taming Diffusion Models for Consistent Real-World Image Super Resolution [68.72454974431749]
我々は、一貫した実世界の画像超解像(Real-ISR)に対して拡散モデルをテーム化する新しい方法であるControlSRを提案する。
提案モデルでは,複数のテストセット上で複数の測定値にまたがる性能が向上し,既存の手法よりもLR画像でより一貫したSR結果が得られる。
論文 参考訳（メタデータ） (2024-10-18T08:35:57Z) - CRS-Diff: Controllable Remote Sensing Image Generation with Diffusion Model [42.92146478120197]
CRS-Diffは、RS画像生成に特化した新しいRS生成フレームワークである。
我々の知る限り、CRS-Diffは、最初の多重条件制御可能なRS生成モデルである。
私たちのCRS-Diffは、下流タスクのための高品質なトレーニングデータを生成するデータエンジンとして機能します。
論文 参考訳（メタデータ） (2024-03-18T09:44:44Z) - DivCon: Divide and Conquer for Complex Numerical and Spatial Reasoning in Text-to-Image Generation [0.0]
近年,拡散駆動型テキスト・ツー・イメージ(T2I)生成は顕著な進歩を遂げている。
レイアウトは、大きな言語モデルとレイアウトベースの拡散モデルを橋渡しするためのインターメジウムとして使用される。
本稿では,生成タスクを複数のサブタスクに分割する分割・コンカレント手法を提案する。
論文 参考訳（メタデータ） (2024-03-11T03:24:44Z) - Gen2Det: Generate to Detect [42.13657805295144]
Gen2Detは、オブジェクト検出のための合成トレーニングデータを無償で作成するためのシンプルなモジュールパイプラインです。
合成データに加えて、Gen2Detは画像レベルのフィルタリング、インスタンスレベルのフィルタリング、より良いトレーニングレシピなど、生成されたデータを最大限に活用するための一連のテクニックを提案している。
論文 参考訳（メタデータ） (2023-12-07T18:59:58Z) - GeoDiffusion: Text-Prompted Geometric Control for Object Detection Data
Generation [91.01581867841894]
様々な幾何学的条件をテキストプロンプトに柔軟に翻訳できるシンプルなフレームワークであるGeoDiffusionを提案する。
われわれのGeoDiffusionは、バウンディングボックスだけでなく、自動運転シーンのカメラビューのような余分な幾何学的条件もエンコードできる。
論文 参考訳（メタデータ） (2023-06-07T17:17:58Z) - RGB-D Saliency Detection via Cascaded Mutual Information Minimization [122.8879596830581]
既存のRGB-Dサリエンシ検出モデルは、RGBと深さを効果的にマルチモーダル学習を実現するために明示的に奨励するものではない。
本稿では,RGB画像と深度データ間のマルチモーダル情報を「明示的」にモデル化するために,相互情報最小化による新しい多段階学習フレームワークを提案する。
論文 参考訳（メタデータ） (2021-09-15T12:31:27Z) - Spatial-Separated Curve Rendering Network for Efficient and
High-Resolution Image Harmonization [59.19214040221055]
本稿では,空間分離型曲線描画ネットワーク(S$2$CRNet)を提案する。
提案手法は従来の手法と比較して90%以上のパラメータを減少させる。
提案手法は,既存の手法よりも10ドル以上高速な高解像度画像をリアルタイムにスムーズに処理することができる。
論文 参考訳（メタデータ） (2021-09-13T07:20:16Z)
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。