SceneP2F两阶段框架让目标检测数据增强精准可控，三大基准全面碾压现有方法！
Controllable Multi-Object Insertion for Detection Data Augmentation
📖 AI 总结
该论文针对目标检测数据增强中的可控多目标插入问题，提出SceneP2F两阶段可训练框架。其核心设计包括ScenePlan与SceneAlign-Fill：前者为每个请求实例分配类别标记查询，联合预测场景兼容的目标中心，并基于中心与场景上下文分别估计边界框尺寸；后者结合几何与外观感知条件、框—类引导的区域注意力以及标注区域加权的流匹配目标，在渲染计划目标的同时限制对原始内容的非预期改动。在UAVDT、VisDrone和BDD100K三个基准上的实验表明，该方法在类别—数量精确控制、多实例协调与定位方面优于代表性通用编辑器和目标插入方法，说明实例级规划与生成协同对类别定向检测增强具有实际价值。
🔑 关键词速览
| SceneP2F | 一种两阶段可训练框架，用于可控多对象插入以增强目标检测数据。 |
| ScenePlan | SceneP2F的第一阶段，为每个请求实例分配类别标记查询，联合预测对象中心并估计边界框尺寸。 |
| SceneAlign-Fill | SceneP2F的第二阶段，结合几何和外观条件化、区域注意力及流匹配目标来渲染规划对象。 |
| 流匹配目标 | 一种生成模型训练目标，通过匹配概率流来学习数据分布。 |
| 类别-数量保真度 | 增强数据中对象类别和数量与请求精确匹配的程度。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅