水中物体検出のための拡散モデルベースの画像生成フレームワーク

科学分野:

• コンピュータビジョン
• 海洋技術
• データ拡張

背景:

• 水中物体検出は、海洋モニタリングと救助にとって不可欠です。
• 限られた水中データとシーンの多様性は、検出精度を妨げます。
• 既存の方法は外部データに依存することが多く、ドメインギャップを作成します。

研究 の 目的:

• 水中物体検出データセットを拡張するための新しいフレームワーク、水中レイアウト誘導拡散フレームワーク（ULGF）を提案すること。
• 既存の少数の水中データのみを使用して、忠実度の高い多様な水中画像を生成すること。
• 水中物体検出モデルのパフォーマンスを向上させること。

主な方法:

• 拡散モデルである水中レイアウト誘導拡散フレームワーク（ULGF）を開発しました。
• このフレームワークは、限られた水中画像とそのラベルのみで動作します。
• 画像生成のために外部または空中データの統合は使用されません。

主要な成果:

• ULGFは、理論上無限の忠実度の高い多様な水中画像を生成します。
• 生成された画像は、既存の方法と比較してドメインギャップが小さいことを示しています。
• 実世界の水中シナリオにおける物体検出性能が大幅に向上しました。

結論:

• ULGFフレームワークは、限られた水中データという課題を効果的に解決します。
• 水中画像処理における合成データ生成の新しいアプローチを提供します。
• この方法は、海洋技術と応用の進歩に大きな可能性を示しています。