論文の概要: Object-Centric Dataset Resources for Constrained-Data Image Generation and Augmentation

• arxiv url: http://arxiv.org/abs/2606.21113v1
• Date: Fri, 19 Jun 2026 05:32:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 08:15:45.558542
• Title: Object-Centric Dataset Resources for Constrained-Data Image Generation and Augmentation
• Title（参考訳）: 制約付きデータ生成と拡張のためのオブジェクト中心データセットリソース
• Authors: Vasile Marian, Yong-Bin Kang, Alexander Buddery,
• Abstract要約: 我々は、Cityscapes-Pedestrian、TrafficSigns、COCO PottedPlantという3つのオブジェクト中心のデータセットリソースの共有可能なコレクションを提示します。 このコレクションは256-by-256オブジェクト中心のクロップとバウンディングボックスアノテーションを3つのレシエーションで標準化している。 このコレクションは、ラベルと分割検査、サブセットの作成、上流データからの再構成、および共有レコード上でのオブジェクト中心の画像生成または合成データ拡張方法の評価をサポートする。
• 参考スコア（独自算出の注目度）: 43.338311770275745
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Object-centric image generation is important in settings with few labeled examples, including pedestrian analysis in smart-city scenes, traffic-sign inspection, and domain-specific object detection. Synthetic images are most useful for training and evaluation when datasets preserve object structure, bounding boxes, visual diversity, and realistic context. Existing image datasets usually target classification, detection, or scene understanding rather than controlled object-centric generation and augmentation with limited class-specific data. We present a shareable collection of three object-centric dataset resources: Cityscapes-Pedestrian, TrafficSigns, and COCO PottedPlant. The collection standardizes 256-by-256 object-centric crops and bounding-box annotations across three regimes: dense pedestrian scenes with privacy blur and occlusion, cleaner high-contrast traffic signs, and context-diverse potted-plant scenes. The release contains 3,009 TrafficSigns samples, 2,156 Cityscapes-Pedestrian manifest records, and 7,679 COCO PottedPlant manifest records. The larger COCO-derived manifest preserves contextual and multi-instance diversity, while equal-size subsets can be drawn with a fixed random seed for controlled comparisons. The release provides direct TrafficSigns data where redistribution is permitted, together with scripts, manifests, box-level annotation tables, checksums, and reconstruction documentation for the Cityscapes- and COCO-derived subsets. It is available through the Latzi/object-centric-low-data-datasets GitHub repository and Zenodo DOI 10.5281/zenodo.20573001. The collection supports label and split inspection, subset creation, reconstruction from upstream data, and evaluation of object-centric image generation or synthetic-data augmentation methods on shared records.
• Abstract（参考訳）: オブジェクト中心の画像生成は、スマートシティシーンにおける歩行者分析、トラフィックサイン検査、ドメイン固有のオブジェクト検出など、ラベル付き例の少ない設定において重要である。 合成画像は、データセットがオブジェクト構造、バウンディングボックス、視覚的多様性、現実的なコンテキストを保存するとき、トレーニングと評価に最も有用である。 既存の画像データセットは通常、クラス固有の限られたデータで制御されたオブジェクト中心の生成と拡張ではなく、分類、検出、シーン理解をターゲットにしている。 我々は、Cityscapes-Pedestrian、TrafficSigns、COCO PottedPlantという3つのオブジェクト中心のデータセットリソースの共有可能なコレクションを提示します。 このコレクションは256対256のオブジェクト中心の作物とバウンディングボックスアノテーションを3つのレジームで標準化している。 リリースには3,009のTrafficSignsサンプル、2,156のCityscapes-Pedestrianマニフェストレコード、7,679のCOCO PottedPlantマニフェストレコードが含まれている。 より大きなCOCO由来のマニフェストは、文脈的および複数インスタンスの多様性を保ち、等サイズのサブセットは、制御された比較のために固定されたランダムシードで描画することができる。 このリリースでは、スクリプト、マニフェスト、ボックスレベルのアノテーションテーブル、チェックサム、CityscapesおよびCOCO由来のサブセットの再構築ドキュメントとともに、再配布が許可されるTrafficSignsデータを直接提供する。 Latzi/object-centric-low-data-datasets GitHubリポジトリとZenodo DOI 10.5281/zenodo.20573001から利用できる。 このコレクションは、ラベルと分割検査、サブセットの作成、上流データからの再構成、および共有レコード上でのオブジェクト中心の画像生成または合成データ拡張方法の評価をサポートする。

関連論文リスト

• Memory-Augmented Vision-Language Agents for Persistent and Semantically Consistent Object Captioning [27.48318501076437]
  VLM(Vision-Language Models)はしばしば、視点を越えて同じオブジェクトの一貫性のない記述をもたらす。 本稿では,データアソシエーション,オブジェクトキャプション,探索ポリシを同時に処理するメモリ拡張型ビジョンランゲージエージェントを提案する。 標準キャプションスコアでは+11.86%、ベースラインモデルでは+7.39%の改善が見られた。
  論文  参考訳（メタデータ） (2026-03-25T12:52:32Z)
• DIPO: Dual-State Images Controlled Articulated Object Generation Powered by Diverse Data [67.99373622902827]
  DIPOは、一対のイメージから調音された3Dオブジェクトを制御可能な生成するためのフレームワークである。 本稿では,イメージペア間の関係を捉え,部分配置と関節パラメータを生成するデュアルイメージ拡散モデルを提案する。 複雑な3Dオブジェクトの大規模データセットであるPM-Xについて,レンダリング画像,URDFアノテーション,テキスト記述を伴って提案する。
  論文  参考訳（メタデータ） (2025-05-26T18:55:14Z)
• ASIC: Aligning Sparse in-the-wild Image Collections [86.66498558225625]
  本稿では,オブジェクトカテゴリのスパース画像コレクションの協調アライメント手法を提案する。 我々は、事前学習された視覚変換器(ViT)モデルの深い特徴から得られるペアワイズ近傍をノイズおよびスパースキーポイントマッチとして利用する。 CUBとSPair-71kベンチマークの実験により,我々の手法はグローバルに一貫した高品質な対応を実現できることが示された。
  論文  参考訳（メタデータ） (2023-03-28T17:59:28Z)
• Salient Objects in Clutter [130.63976772770368]
  本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。 この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。 我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
  論文  参考訳（メタデータ） (2021-05-07T03:49:26Z)
• Campus3D: A Photogrammetry Point Cloud Benchmark for Hierarchical Understanding of Outdoor Scene [76.4183572058063]
  複数の屋外シーン理解タスクに対して,リッチな注釈付き3Dポイントクラウドデータセットを提案する。 データセットは階層型ラベルとインスタンスベースのラベルの両方でポイントワイズアノテートされている。 本稿では,3次元点雲分割のための階層的学習問題を定式化し,様々な階層間の整合性を評価することを提案する。
  論文  参考訳（メタデータ） (2020-08-11T19:10:32Z)
• Halluci-Net: Scene Completion by Exploiting Object Co-occurrence Relationships [10.321117790264198]
  本研究では、シーン内のオブジェクト間の共起関係を学習し、それらの関係を利用して、密で完全なラベルマップを生成する2段階のディープ・ネットワーク・ベース手法であるHaluci-Netを提案する。 生成された高密度ラベルマップは、pix2pixHDのような最先端の画像合成技術によって入力され、最終的な画像が得られる。
  論文  参考訳（メタデータ） (2020-04-18T13:12:59Z)

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。