AITOP

数据增强

共 15 条相关 AI 资讯
8月17日
10:13
8月12日
18:19
18:19官方账号arXiv cs.LG@Vladimir Iglovikov
AlbumentationsX 是一个新的数据增强库，确保图像及其相关标注（如掩码、边界框、关键点）在增强时使用相同的随机变换。它通过将变换列表、概率、标注设置和随机种子封装在一个 Compose 对象中，每次调用只生成一次随机值并应用于所有部分。该库支持自定义变换，并能保存管线定义、展示单次调用过程及重放。示例显示其位于文件解码后、PyTorch 批处理前，由实践者决定变换是否保持标签正确。
论文AlbumentationsX数据增强图像标注
推荐理由：做目标检测或分割的可以看看，AlbumentationsX 把图像和标注的增强统一了，避免随机变换错位，还能重放调试。
原文
8月7日
10:07
7月27日
10:59
10:59官方账号arXiv cs.LG@Anjian Li, Ryne Beeson
本文针对参数优化问题中数据稀缺的挑战，提出了一种k-邻域数据收集策略，通过将收敛解与中间求解器迭代结合来扩充训练数据。作者推导了基于Rademacher复杂度的泛化界，揭示了k-邻域及相关参数的作用。方法聚焦于由投影梯度下降求解的单侧盒约束二次规划，并通过两个示例展示了求解器行为。该研究提升了DDDAS范式中数据-模型-优化循环的效率。最后讨论了学习求解器迭代数据的两种观点，并将其与GLENS全局搜索方法关联。
论文Projected Gradient Descent泛化界数据增强
推荐理由：这篇论文教你怎么用求解器的中间迭代步骤来多搞训练数据，还给了理论分析并连接到GLENS方法，做优化或生成模型的人可以看看。
原文
7月8日
11:51
11:51官方账号arXiv cs.LG@Marwan Lazrag, Badis Hammi, Lorena Gonzalez-Manzano, Joaquin Garcia-Alfaro
该论文研究了投毒攻击对增强3D点云公共数据集在网联自动驾驶汽车中的操作影响。实验使用GAN进行数据增强，发现增强过程无法完全消除投毒样本，后门攻击仍能绕过防护。投毒数据会传播到增强后的数据集，导致点云分类器（例如PointNet）出现误分类。所有工具、数据集和分类器均已公开以支持复现。
论文3D Point CloudGAN投毒攻击
推荐理由：这篇论文用具体实验证明，GAN数据增强挡不住针对自动驾驶3D点云的投毒攻击，后门照样能影响分类器，值得搞AI安全的人看看。
原文
7月3日
11:25
11:25官方账号arXiv cs.AI@Yuquan Xue, Le Xu, Zeyi Liu, Zhenyu Wu, Zhengyi Gu, Xinyang Song, Bofang Jia, Ziwei Wang
WorldSample 提出一种物理基础的数据增强框架，通过世界模型生成高保真合成轨迹，解决真实机器人强化学习交互成本高的问题。在接触性和精密机器人操作任务中，WorldSample 将策略成功率提升 28%，训练步数减少 59%。世界模型视觉保真度提升 19.4dB PSNR 和 0.47 SSIM，验证了真实-合成循环的有效性。
论文WorldSample强化学习世界模型
推荐理由：机器人强化学习的新思路，WorldSample 用世界模型生成合成数据，成功率提28%还省了59%训练时间，值得一看。
原文
09:23
09:23官方账号arXiv cs.LG@Max Weltevrede, Matthijs T. J. Spaan, Wendelin Böhmer
论文证明在上下文MDP中，过度悲观不会阻碍最优泛化，但必须尊重最优解的对称性。通过理论分析，适度悲观但非对称的值函数可能比过度悲观且对称的值函数泛化更差。数据增强应通过在策略提取时施加一致性损失来提升泛化，而非在增强数据集上常规训练。使用IQL和CQL在旋转对称reacher环境中验证了该方法。
论文离线强化学习泛化数据增强
推荐理由：这篇论文用理论和实验告诉你，离线RL里悲观多少不重要，悲观的结构对不对才关键，还给出了数据增强的正确用法。
原文
7月1日
11:35
11:35官方账号arXiv cs.LG@Nikolai Röhrich, Julian Gleißner, Ahmed H. A. Ibrahim, Silvan Mertes, Tobias Huber
该论文提出一种不确定性引导的合成上下文增强策略，利用基线分割器的预测熵识别不确定语义区域，仅对互补视觉上下文进行修补。在Cityscapes、UAVID和BDD100K数据集上，微调后mIoU分别提升1.2%、2.1%和1.8%，尤其在公交车、火车和汽车等稀有类别上增益最大。该方法无需外部模型，严格保持标签有效性，且计算损失时仅基于原始像素。
论文扩散模型Cityscapes语义分割
推荐理由：搞语义分割的可以试试这个，它只增强模型犯难的区域，在几个自动驾驶数据集上提点挺明显，尤其是稀有类别。
原文
11:10
11:10官方账号arXiv cs.LG@Cesar Roder, Kajetan Schweighofer
深度神经网络分类器常因依赖训练数据中的虚假背景特征而导致泛化失败。新方法AutoBackSwap通过辅助网络分离前景和背景，并用填充方式生成完整背景，然后将不同前景与填充背景组合来增强训练数据。仅需几百个样本的补丁标注即可训练辅助网络，并自动增强整个数据集。在多个具有虚假背景的图像分类任务上，AutoBackSwap始终优于先前方法，即使在训练数据中没有任何打破虚假相关性的样本时也有效。
论文AutoBackSwap图像分类虚假相关性
推荐理由：这篇论文提出了AutoBackSwap，只用几百张图片的标注就能让模型不依赖背景，效果比之前的方法都好，做图像分类的值得一看。
原文
6月24日
11:45
6月10日
09:33
09:33官方账号arXiv cs.LG@Artur Kuramshin, Özgür Aslan, Cyrus Neary, Glen Berseth
精选
机器人学习中的大规模策略在操作任务上表现优异，但指令跟随能力不足，主要原因是现有数据集缺乏语言和动作序列多样性。TREAD提出一种可扩展框架，利用大型视觉语言模型（VLM）对现有机器人数据集进行重标注，无需额外数据采集。该方法通过三个步骤：从原始指令生成语义子任务、基于子任务分割演示视频、生成包含物体属性的多样化指令，将长演示分解为语言-动作对。实验表明，在LIBERO基准上，使用TREAD增强数据训练的策略在未见任务和目标上表现更好，提升了规划泛化和语言条件策略泛化能力。
论文机器人学习数据增强VLM
推荐理由：做机器人数据增强和指令跟随的团队，TREAD用VLM低成本提升数据集质量，直接增强策略泛化，值得在LIBERO等基准上试试。
原文
09:29
09:29官方账号arXiv cs.LG@Jakob Galley, Vahid Shahverdi, Axel Flinth
精选
该研究探讨了训练数据的对称性是否会在神经网络的梯度流训练中产生守恒量。作者证明，在损失函数为解析且非多项式的一般情况下，数据对称性通常不会引入额外的运动积分。但对于均方误差（MSE）损失，数据增强有时会产生额外的守恒量。研究通过引入“可张量化网络”框架来描述这一现象，这类架构包括线性网络、多项式网络以及Lightning Attention。
论文神经网络对称性守恒律
推荐理由：这项研究澄清了数据对称性与神经网络训练动力学之间的深层关系，对理解数据增强的理论基础有重要意义。做理论研究的机器学习学者值得关注，它可能影响你对数据增强策略的设计思路。
原文
6月3日
10:25
10:25官方账号arXiv cs.AI@Máté Gedeon, Péter Mihajlik
低资源语言和垂直领域的对话式语音识别受限于多说话人训练数据稀缺。研究者提出一种数据增强流水线：先由LLM生成带参与者元数据的场景级对话，再将说话人属性映射到TTS语音配置，最后组装成说话人感知的合成对话。在匈牙利语BEA-Dialogue基准上，仅用67小时真实对话加636小时合成数据训练的模型，性能超过用2700小时真实语音训练的零样本模型。该方法适用于任何语言，且LLM生成器选择和合成数据组成对效果影响显著。
论文语音识别数据增强低资源语言
推荐理由：低资源语言ASR团队终于有了可落地的数据增强方案——用LLM+TTS生成对话数据，效果堪比数倍真实数据。做多说话人语音识别的开发者值得一试，尤其适合匈牙利语等小语种场景。
原文
5月25日
11:15
11:15官方账号arXiv cs.AI@Rim Assouel, Amir Bar, Michal Drozdzal, Adriana Romero-Soriano
精选
多模态大语言模型在细粒度视觉理解上仍有不足。研究者提出PGT框架，通过在图像上叠加几何基元生成密集监督信号，分离视觉定位与语义先验。实验显示，在LLaVA-v1.5-Instruct上加入PGT数据后，What'sUp基准提升20%，CV-Bench-2D提升13.3%，且不影响通用感知能力。在先进MLLM上微调也带来最高8.3%的提升。结果表明，许多空间推理缺陷源于监督信号不足，而非架构或分辨率限制。
论文多模态大语言模型视觉定位数据增强
推荐理由：PGT用低成本数据生成解决了MLLM细粒度视觉理解的瓶颈，做多模态模型训练或评估的团队可以直接用这个框架提升定位能力，值得一试。
原文
5月12日
19:10
19:10官方账号arXiv cs.AI@Md. Sultan Al Rayhan, Maheen Islam
本文提出一种基于自信度引导的扩散增强框架，用于改善低分辨率孟加拉手写复合字符识别。该框架结合类别条件扩散建模与分类器引导，合成高质量手写样本。在U-Net结构中加入Squeeze-and-Excitation残差块提升生成质量，并采用自信度过滤机制保留高一致性样本。在AIBangla数据集上，ResNet50、DenseNet121、VGG16和Vision Transformer均取得一致提升，最佳模型准确率达89.2%，大幅超越此前基准。这表明质量感知的扩散增强能有效提升低资源语种文字识别性能。
论文低资源语种手写识别扩散模型
推荐理由：该研究为低资源语种手写识别提供了一种实用的数据增强思路，结合扩散模型与自信度过滤，方法通用且效果显著，对同类任务有参考价值。
原文