光照的力量:通过基于物理的间接照明改善合成到真实域的适应

The Power of Light: Improving Synthetic-to-Real Domain Adaptation through Physically-Based Indirect Illumination

精选理由

想提升合成数据训练的检测模型效果?这篇论文用YOLOv12做了18组实验,证明间接光照比直射光更靠谱,还给了具体设计建议。搞工业视觉的一定要看。

AI 摘要

该论文系统研究了光照配置和背景复杂度对物体检测性能的影响,提出基于NVIDIA Isaac Sim的SmartSDG自动化管道,构建了多目标工业基准数据集ILLUM_INTRUCK。通过18个使用YOLOv12框架的控制实验,发现复杂间接光照搭配域相关背景能显著提升视觉线索丰富度。避免直接镜面峰值可保留表面纹理、缩小域差距并降低误报,加速模型收敛。最终提供了面向工业自动化的虚拟场景设计指南。

AI 翻译 · 中文

该论文系统研究了光照配置和背景复杂度对物体检测性能的影响,提出基于NVIDIA Isaac Sim的SmartSDG自动化管道,构建了多目标工业基准数据集ILLUM_INTRUCK。通过18个使用YOLOv12框架的控制实验,发现复杂间接光照搭配域相关背景能显著提升视觉线索丰富度。避免直接镜面峰值可保留表面纹理、缩小域差距并降低误报,加速模型收敛。最终提供了面向工业自动化的虚拟场景设计指南。

arXiv cs.AIWhile synthetic data generation resolves the manual labeling bottleneck in computer vision, minimizing the syn-to-real domain gap requires optimizing rendering variables. This paper presents a systematic study analyzing