論文の概要: Pix2Pix-Hybrid: Structure-Guided Conditional Synthesis of Hajj Crowd Images with Multi-Channel Conditioning and Weak Attribute Supervision

• arxiv url: http://arxiv.org/abs/2606.14297v1
• Date: Fri, 12 Jun 2026 09:33:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.853687
• Title: Pix2Pix-Hybrid: Structure-Guided Conditional Synthesis of Hajj Crowd Images with Multi-Channel Conditioning and Weak Attribute Supervision
• Title（参考訳）: Pix2Pix-Hybrid:マルチチャネルコンディショニングと弱属性スーパービジョンを用いたHajj群衆画像の構造誘導条件合成
• Authors: Amirah F. Alshammari, Bander A. Alzahrani, Nahed A. Alowidi,
• Abstract要約: 本稿では,構造誘導型Hajj群像合成とデータ拡張のためのハイブリッド条件GANであるPix2Pix-Hybrid(P2P-H)を提案する。 P2P-HはPix2Pix上に構築され、8つの入力チャネルに条件付きU-Netジェネレータを使用し、構造的キューとコンテキスト的属性を共同でエンコードする。 我々は1万の高解像度のHajj群衆画像の合成データセットであるCrowdHを構築した。
• 参考スコア（独自算出の注目度）: 1.7574349189932985
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Developing accurate crowd-counting models for Hajj pilgrimage scenes remains challenging because domain-specific annotated images are scarce and data collection during large gatherings raises privacy concerns. To address these limitations, this paper proposes Pix2Pix-Hybrid (P2P-H), a hybrid conditional GAN for structure-guided Hajj crowd-image synthesis and data augmentation. P2P-H builds on Pix2Pix and employs a U-Net generator conditioned on eight input channels that jointly encode structural cues (edges and grayscale) and contextual attributes (crowd density and time of day). To capture detailed textures in dense scenes, the framework integrates two multi-scale PatchGAN discriminators operating at different resolutions. The training procedure combines adversarial, perceptual, and feature-matching objectives with adaptive data augmentation and stabilization strategies. The model was trained on 993 real Hajj frames collected from 60 publicly available video sources, with conditioning attributes derived automatically to reduce manual labeling effort. Using this framework, we constructed CrowdH, a synthetic dataset of 10,000 high-resolution Hajj crowd images. Experimental results show that P2P-H improves structure-preserving conditional synthesis quality compared with Pix2Pix and StyleGAN2-ADA baselines and shows favorable transfer to other crowd datasets. To assess downstream utility, we further constructed CrowdH-Mix-469, an annotated mixed real-synthetic dataset comprising 384 real Hajj images and 85 selected synthetic images,and evaluated five crowd-counting models under real-only and real-plus-synthetic training. The selected synthetic data reduced MAE across all five models, with the strongest gain observed for CSRNet.
• Abstract（参考訳）: Hajjの巡礼シーンの正確なクラウドカウンティングモデルの開発は、ドメイン固有の注釈付きイメージが不足し、大規模な集会中のデータ収集がプライバシー上の懸念を引き起こすため、依然として難しい。 これらの制約に対処するために,構造誘導型Hajj群像合成とデータ拡張のためのハイブリッド条件付きGANであるPix2Pix-Hybrid(P2P-H)を提案する。 P2P-HはPix2Pix上に構築され、8つの入力チャネルに条件付きU-Netジェネレータを使用し、構造的キュー(エッジとグレースケール)とコンテキスト的属性(密度と日時)を共同でエンコードする。 密集したシーンの詳細なテクスチャをキャプチャするために、このフレームワークは異なる解像度で動作する2つのマルチスケールのPatchGAN識別装置を統合する。 トレーニング手順は、対向的、知覚的、特徴マッチング目的と適応的なデータ拡張と安定化戦略を組み合わせる。 このモデルは、60の公開ビデオソースから収集された993の実際のHajjフレームに基づいてトレーニングされ、手動ラベリングの労力を削減するために、条件付け属性が自動的に導出される。 このフレームワークを用いて、1万の高解像度のHajj集団画像の合成データセットであるCrowdHを構築した。 実験結果から,P2P-HはPix2PixやStyleGAN2-ADAベースラインと比較して,構造保存条件合成の品質が向上し,他のクラウドデータセットへの転送が好適であることが示唆された。 さらに,384個の実ハジ画像と85個の選択された合成画像からなる注釈付き混合実合成データセットであるCrowdH-Mix-469を構築し,実数学習と実数学習の5つのクラウドカウントモデルの評価を行った。 選択された合成データは5つのモデルすべてでMAEを減少させ、CSRNetでは最も高い利得を示した。

関連論文リスト

• Scaling Text-to-Image Diffusion Transformers with Representation Autoencoders [74.72147962028265]
  表現オートエンコーダ(RAE)は、ImageNet上で拡散モデリングにおいて明確な利点を示している。 本稿では,このフレームワークが大規模でフリーフォームなテキスト・ツー・イメージ(T2I)生成に拡張できるかどうかを検討する。
  論文  参考訳（メタデータ） (2026-01-22T18:58:16Z)
• Enabling Plant Phenotyping in Weedy Environments using Multi-Modal Imagery via Synthetic and Generated Training Data [5.6545322206246516]
  我々は、作物と雑草の複雑な混合物を含む1,128個の合成画像のモデルを訓練した。 全合成画像といくつかのラベル付き実画像を組み合わせることで,雑草群では22%,植物群では17%の相対的改善が得られた。
  論文  参考訳（メタデータ） (2025-09-23T16:29:13Z)
• NTIRE 2025 Challenge on Short-form UGC Video Quality Assessment and Enhancement: KwaiSR Dataset and Study [57.45921692668671]
  我々は、KwaiSRと呼ばれるワイルドな画像超解像のための最初のベンチマークデータセットを構築した。 このデータセットは、合成と野生の2つの部分からなるクウェープラットフォームから収集される。 KwaiSRデータセットに基づいて、第2の短いビデオ品質評価と改善に関するNTIRE 2025チャレンジを組織する。
  論文  参考訳（メタデータ） (2025-04-21T10:04:26Z)
• CO-SPY: Combining Semantic and Pixel Features to Detect Synthetic Images by AI [58.35348718345307]
  実際の画像とAI生成画像を区別する現在の取り組みには、一般化が欠如している可能性がある。 既存のセマンティック機能を強化した新しいフレームワークCo-Spyを提案する。 また、5つの実画像データセットと22の最先端生成モデルからなる包括的データセットであるCo-Spy-Benchを作成します。
  論文  参考訳（メタデータ） (2025-03-24T01:59:29Z)
• ImagiNet: A Multi-Content Benchmark for Synthetic Image Detection [0.0]
  私たちは、写真、絵画、顔、雑多な4つのカテゴリにまたがる200万のサンプルのデータセットであるImagiNetを紹介します。 ImagiNetの合成画像はオープンソースとプロプライエタリの両方のジェネレータで作成され、各コンテントタイプの実際の画像はパブリックデータセットから収集される。
  論文  参考訳（メタデータ） (2024-07-29T13:57:24Z)
• I2VGen-XL: High-Quality Image-to-Video Synthesis via Cascaded Diffusion Models [54.99771394322512]
  ビデオ合成は拡散モデルの急速な発展の恩恵を受け、近年顕著な進歩を遂げている。 意味的正確性、明快さ、連続性-時間的連続性という観点ではまだ遭遇に挑戦する。 これら2つの要素を分離することでモデル性能を向上させるカスケードI2VGen-XL手法を提案する。 I2VGen-XLは、生成したビデオの意味的精度、詳細の連続性、明快さを同時に向上させることができる。
  論文  参考訳（メタデータ） (2023-11-07T17:16:06Z)
• Enhanced Sharp-GAN For Histopathology Image Synthesis [63.845552349914186]
  病理組織像合成は、正確ながん検出のためのディープラーニングアプローチの訓練において、データ不足の問題に対処することを目的としている。 核トポロジと輪郭正則化を用いて合成画像の品質を向上させる新しい手法を提案する。 提案手法は、Sharp-GANを2つのデータセット上の4つの画像品質指標すべてで上回る。
  論文  参考訳（メタデータ） (2023-01-24T17:54:01Z)
• Unlimited Resolution Image Generation with R2D2-GANs [69.90258455164513]
  本稿では,任意の解像度の高品質な画像を生成するための新しいシミュレーション手法を提案する。 この方法では、フル長のミッション中に収集したソナースキャンと同等の大きさのソナースキャンを合成することができる。 生成されたデータは、連続的で、現実的に見え、また、取得の実際の速度の少なくとも2倍の速さで生成される。
  論文  参考訳（メタデータ） (2020-03-02T17:49:32Z)

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。