論文の概要: Domain shift-robust object detection with GenAI image editing

• arxiv url: http://arxiv.org/abs/2609.02299v1
• Date: Wed, 02 Sep 2026 08:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.205171
• Title: Domain shift-robust object detection with GenAI image editing
• Title（参考訳）: GenAI画像編集による領域シフト・ロバスト物体検出
• Abstract要約: 生成画像編集は、訓練データの制御された領域シフトをシミュレートする。 そこで我々は,カモフラージュされた軍用車両の検出を,ドメインシフトの挑戦的シナリオとして検討した。 トレーニングデータにカモフラージュ(camouflage)を合成し,QwenのLoRA微調整バージョンと組み合わせた。
• 参考スコア（独自算出の注目度）: 7.880392780470031
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detectors often degrade under domain shifts such as changes in lighting, weather, or occlusion. These shifts alter object appearance and expose a reliance on visual shortcuts learned from the training distribution that do not generalize across domains. Acquiring sufficient real-world samples to capture such domain variation is particularly difficult in specialized, low-data settings. Recent advances in diffusion-based generative image editing have shown promise for improving the in-domain performance of object detectors through synthetic data augmentation. However, their potential to improve out-of-domain robustness remains largely unexplored. We hypothesize that generative image editing can simulate a controlled domain shift in training data, effectively bridging the gap between source and target domains. To test this, we studied camouflaged military vehicle detection as a challenging domain shift scenario. Detectors trained on uncamouflaged data demonstrate substantial degradation on real test imagery containing foliage, netting, and multi-spectral camouflage across 15 vehicle classes in close-up, ground-level imagery. We used two diffusion-based editing models, Qwen Image Edit 2509 and Flux.2 Dev, to synthetically add camouflage to the training data, alongside a LoRA fine-tuned version of Qwen. A non-generative black-bar occlusion baseline served as a lower bound on augmentation quality. Using a GroundingDINO detector trained on real and synthetic data, generative camouflage augmentation yielded substantial mAP improvements for foliage (+20.1) and netting (+14.4) camouflage. Generating multi-spectral camouflage proved more challenging, but LoRA fine-tuning improved performance by 4.4 mAP over the uncamouflaged baseline.
• Abstract（参考訳）: 物体検出器は、照明、天気、閉塞などの領域シフトによって劣化することが多い。 これらのシフトはオブジェクトの外観を変え、ドメイン間で一般化しないトレーニング分布から学んだ視覚的ショートカットに依存する。 このようなドメインの変動を捉えるのに十分な実世界のサンプルを取得することは、特に専門的で低データな設定では困難である。 拡散に基づく生成画像編集の最近の進歩は、合成データ拡張によるオブジェクト検出器のドメイン内性能向上を約束している。 しかし、ドメイン外ロバスト性を改善する可能性はほとんど解明されていない。 生成画像編集は、トレーニングデータにおける制御されたドメインシフトをシミュレートし、ソースとターゲットのドメイン間のギャップを効果的に埋めることができると仮定する。 これをテストするために,軍用車両のキャモフラージュ検出を,ドメインシフトの困難なシナリオとして検討した。 カモフラージュされたデータに基づいて訓練された検出器は、クローズアップされた地上レベルの画像において、15種類の車両クラスにわたる葉、網、マルチスペクトルカモフラージュを含む実際のテスト画像に著しい劣化を示す。 拡散に基づく2つの編集モデル Qwen Image Edit 2509 と Flux.2 を使いました。 トレーニングデータにカモフラージュ(camouflage)を合成して、LoRAのQwenの微調整バージョンと併用する。 非生成的な黒帯閉塞基線は増量品質の低い境界として機能した。 実データと合成データに基づいて訓練されたグラウンドディングディーノ検出器を用いて、生成カモフラージュの増強により、葉(+20.1)と網(+14.4)のカモフラージュが大幅に改善された。 マルチスペクトルカモフラージュの生成はより困難であったが、LoRAの微調整により、カモフラージュされていないベースラインよりも4.4mAPの性能が向上した。

関連論文リスト

• Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
  ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。 ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。 ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
  論文  参考訳（メタデータ） (2026-06-25T02:59:33Z)
• Transferable Dual-Domain Feature Importance Attack against AI-Generated Image Detector [32.543253278021446]
  最近のAI生成画像検出器(AIGI)は、クリーンな条件下で印象的な精度を達成している。 このような検出器の安全性を評価するための高度な敵攻撃を開発することは重要である。 本稿では,AIGI検出器をある程度無効化するためのDual-Domain Feature Importance Attackスキームを提案する。
  論文  参考訳（メタデータ） (2025-11-19T16:03:15Z)
• Adapting Vehicle Detectors for Aerial Imagery to Unseen Domains with Weak Supervision [46.87579355047397]
  本稿では,高品質な空中画像とそのラベルを生成AIで合成する手法を提案する。 私たちの重要な貢献は、多段階のマルチモーダルな知識伝達フレームワークの開発です。
  論文  参考訳（メタデータ） (2025-07-28T16:38:06Z)
• Practical Manipulation Model for Robust Deepfake Detection [55.2480439325792]
  画像超解像領域において,より現実的な劣化モデルを構築した。 擬似フェイクの空間を、ポアソンブレンディング、より多様なマスク、ジェネレータアーティファクト、およびイントラクタを用いて拡張する。 DFDCデータセットとDFDCPデータセットでは、それぞれ3.51%$と6.21%$AUCが明らかに増加した。
  論文  参考訳（メタデータ） (2025-06-05T15:06:16Z)
• Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
  顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。 本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。 本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
  論文  参考訳（メタデータ） (2024-11-28T13:04:45Z)
• ShadowSense: Unsupervised Domain Adaptation and Feature Fusion for Shadow-Agnostic Tree Crown Detection from RGB-Thermal Drone Imagery [7.2038295985918825]
  本稿では,リモートセンシングデータから木冠の影を検出する新しい手法を提案する。 提案手法(ShadowSense)は完全に自己教師型であり,ソースドメインアノテーションを使わずにドメインの敵対的トレーニングを活用する。 その後、両モードの相補的な情報を融合し、RGBで訓練された検出器の予測を効果的に改善する。
  論文  参考訳（メタデータ） (2023-10-24T22:01:14Z)
• Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
  本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。 これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。 高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
  論文  参考訳（メタデータ） (2023-08-24T12:32:46Z)
• Camouflaged Image Synthesis Is All You Need to Boost Camouflaged Detection [47.653092957888596]
  本研究では,カモフラージュデータの合成フレームワークを提案する。 提案手法では,既存の物体検出モデルのトレーニングに使用可能な,現実的なカモフラージュ画像の生成に生成モデルを用いる。 我々のフレームワークは3つのデータセット上で最先端の手法より優れています。
  論文  参考訳（メタデータ） (2023-08-13T06:55:05Z)
• CamDiff: Camouflage Image Augmentation via Diffusion Model [83.35960536063857]
  CamDiffは、カモフラージュされたシーンで透明なオブジェクトを合成するための新しいアプローチだ。 我々は,潜伏拡散モデルを用いて,カモフラージュされたシーンで有能な物体を合成する。 当社のアプローチでは、フレキシブルな編集と大規模データセットの効率的な生成を低コストで実現している。
  論文  参考訳（メタデータ） (2023-04-11T19:37:47Z)
• Data Augmentation via Mixed Class Interpolation using Cycle-Consistent Generative Adversarial Networks Applied to Cross-Domain Imagery [16.870604081967866]
  機械学習による物体検出と非可視画像内の分類は多くの分野において重要な役割を担っている。 しかし、このような応用は、限られた量の非可視領域画像のためにしばしば苦しむ。 本稿では,可視光帯域画像を利用した新しいデータ拡張手法の提案と評価を行う。
  論文  参考訳（メタデータ） (2020-05-05T18:53:38Z)
• Virtual to Real adaptation of Pedestrian Detectors [9.432150710329607]
  ViPeDは、ビデオゲームGTA V - Grand Theft Auto Vのグラフィカルエンジンで収集された新しい合成画像セットである。 本稿では,歩行者検出作業に適した2つの異なる領域適応手法を提案する。 実験によると、ViPeDでトレーニングされたネットワークは、実世界のデータでトレーニングされた検出器よりも、目に見えない現実世界のシナリオを一般化できる。
  論文  参考訳（メタデータ） (2020-01-09T14:50:11Z)

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。