論文の概要: Metric-Guided Synthetic Image Data Rendering for Deep Learning compatible with Agentic AI

• arxiv url: http://arxiv.org/abs/2607.12874v1
• Date: Tue, 14 Jul 2026 15:22:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:30.191249
• Title: Metric-Guided Synthetic Image Data Rendering for Deep Learning compatible with Agentic AI
• Title（参考訳）: エージェントAIと互換性のあるディープラーニングのためのメトリックガイド合成画像レンダリング
• Authors: Martina Radoynova, Samuel Pantze, Trina De, Ulrik Günther, Artur Yakimovich,
• Abstract要約: 科学的応用のためのディープラーニングのビジョンは、退屈で高価でエラーを起こしやすいプロセスで大規模なデータセットを収集し、注釈付けする必要がある。 レンダリングシーンの改善をガイドするメトリクスを備えた,PythonパッケージのGraNatPyを紹介した。 レンダリングされたデータセットのリアリズム、多様性、サイズの増加は、シーンの視覚的認識の向上とオブジェクト検出モデルのゼロショット性能の向上と相関していることを示す。
• 参考スコア（独自算出の注目度）: 3.1193133788500824
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Deep learning computer vision for scientific applications requires collecting and annotating large datasets in a laborious, expensive and error-prone process. Synthetic data generation through 3D modelling and rendering may simplify this process and increase the accuracy of annotations by generating them programmatically. However, minimising the domain gap between real and synthetic images visually is subjective and lacks systematic quantitative guidance. We present GraNatPy, a Python package with metrics to guide improvement of the rendered scene. We show that quantifiable increase in realism, diversity and size of rendered dataset correlates with improved visual perception of the scene and higher zero-shot performance of an object detection model. Furthermore, we demonstrated using photographs of virological plaque assays that gradient similarity affects performance on small object detection, which can be improved by mixing real and synthetic data. Finally, we turn procedural data rendering into an agentic skill (SynthClaw) to automate the procedural parameter optimisation.
• Abstract（参考訳）: 科学的応用のためのディープラーニングコンピュータビジョンは、退屈で高価でエラーを起こしやすいプロセスで大規模なデータセットを収集し、注釈付けする必要がある。 3Dモデリングとレンダリングによる合成データ生成は、このプロセスを単純化し、アノテーションをプログラムで生成することで、アノテーションの精度を高めることができる。 しかし、実画像と合成画像の領域ギャップを視覚的に最小化することは主観的であり、体系的な定量的ガイダンスが欠如している。 GraNatPyは、描画シーンの改善をガイドするメトリクスを備えたPythonパッケージです。 本研究では,レンダリングされたデータセットの現実性,多様性,大きさの定量的増加が,シーンの視覚的知覚の向上とオブジェクト検出モデルのゼロショット性能の向上と相関していることを示す。 さらに, ウイルス学的プラーク法による写真を用いて, 勾配類似性は, 実データと合成データとを混合することにより改善できる小物体検出の性能に影響を及ぼすことを示した。 最後に、手続き的データレンダリングをエージェントスキル(SynthClaw)に変換し、手続き的パラメータの最適化を自動化する。

関連論文リスト

• Synthetic Dataset Generation and Validation for Robotic Surgery Instrument Segmentation [4.731220357458455]
  ダ・ヴィンチのロボットアームを3Dで再現し、オートデスク・マヤでアニメーション化した。 生成したデータの現実性と有効性を検証するため、実データと合成データの制御された比率でいくつかのセグメンテーションモデルを訓練した。
  論文  参考訳（メタデータ） (2026-02-14T18:29:03Z)
• Scaling Transformer-Based Novel View Synthesis Models with Token Disentanglement and Synthetic Data [53.040873127309766]
  本稿では,トランスアーキテクチャ内でのトークンのアンタングル化プロセスを提案し,特徴分離を向上し,より効果的な学習を実現する。 提案手法は,データセット内およびデータセット間の評価において,既存のモデルよりも優れる。
  論文  参考訳（メタデータ） (2025-09-08T17:58:06Z)
• Synthetic Dataset Generation for Autonomous Mobile Robots Using 3D Gaussian Splatting for Vision Training [0.708987965338602]
  本論文では,Unreal Engineにおける注釈付き合成データの自動生成手法を提案する。 合成データセットが実世界のデータセットに匹敵する性能を達成できることを実証する。 これは、ロボットサッカーにおけるオブジェクト検出アルゴリズムのトレーニングのための合成データの最初の応用である。
  論文  参考訳（メタデータ） (2025-06-05T14:37:40Z)
• Drive-1-to-3: Enriching Diffusion Priors for Novel View Synthesis of Real Vehicles [81.29018359825872]
  本稿では,実世界の課題に対して,大規模な事前学習モデルを微調整するための一連の優れたプラクティスを統合する。 具体的には,合成データと実運転データとの相違を考慮に入れたいくつかの戦略を開発する。 我々の洞察は、先行芸術よりも新しいビュー合成のためのFIDを68.8%値下げする効果のある微調整につながる。
  論文  参考訳（メタデータ） (2024-12-19T03:39:13Z)
• Improving Object Detection by Modifying Synthetic Data with Explainable AI [3.0519884745675485]
  本稿では,合成画像の設計効率を向上させるための新しい概念的アプローチを提案する。 XAI技術は、これらの画像を生成するために使用される3Dメッシュモデルを修正する、ループ中の人間プロセスを導く。 合成データは、トレーニング中に見えない方向の車両の検出を4.6%改善できることを示す。
  論文  参考訳（メタデータ） (2024-12-02T13:24:43Z)
• Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
  ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。 合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。 提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-03-28T22:25:05Z)
• Deep Domain Adaptation: A Sim2Real Neural Approach for Improving Eye-Tracking Systems [80.62854148838359]
  眼球画像のセグメンテーションは、最終視線推定に大きな影響を及ぼす眼球追跡の重要なステップである。 対象視線画像と合成訓練データとの重なり合いを測定するために,次元還元法を用いている。 提案手法は,シミュレーションと実世界のデータサンプルの相違に対処する際の頑健で,性能が向上する。
  論文  参考訳（メタデータ） (2024-03-23T22:32:06Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)

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。