.png){kind=icon}
返回
GenMix: Effective data augmentation with generative diffusion model image editing
.png){kind=icon}
OA
AI
DOI：10.1016/j.eswa.2026.132273.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据增强被广泛应用于提升视觉分类任务中的泛化能力。然而，在源域和目标域存在差异时（如领域自适应），传统方法由于无法解决领域差异问题而表现不佳。我们提出了一种新颖的GenMix方法，这是一种通用的基于提示引导的生成式数据增强方法，能够提升同域和跨域图像分类效果。我们的技术利用图像编辑功能，根据针对每种问题类型专门设计的自定义条件提示生成增强图像。通过将输入图像与其编辑生成图像的部分进行融合，并引入分形模式，我们的方法能够减少不真实图像和标签模糊问题，提高模型性能和对抗鲁棒性。此外，GenMix还引入了一个注重忠实度的过滤步骤，仅保留语义上连贯的编辑图像用于增强。我们在八个公开数据集上进行了广泛实验，验证了该方法在通用和细粒度分类任务中同域和跨域设置下的有效性。此外，我们还展示了该方法在自监督学习、数据稀缺情况下的学习以及对抗鲁棒性方面的性能提升。与现有的最先进方法相比，我们的技术在所有方面均实现了更强的性能。代码可在https://github.com/khawar-islam/GenMix获取。
Keyword:
Data augmentation
Diffusion models
Generative models
Synthetic data
Image editing
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
A lightweight fully convolutional neural network for efficient and accurate tunnel crack detection一种轻量级全卷积神经网络，用于高效准确的隧道裂缝检测OAAI
OAAI分享收藏Improving Speech Emotion Recognition With Adversarial Data Augmentation Network利用对抗性数据增强网络改进语音情感识别OAAI
OAAI分享收藏Convolution network model based leaf disease detection using augmentation techniques.png)
EXPERT SYSTEMS
EXPERT SYSTEMSIF2.3
PREAI
分享收藏MiAMix: Enhancing Image Classification through a Multi-Stage Augmented Mixed Sample Data Augmentation MethodProcesses
OAAI
ProcessesIF0
OAAI分享收藏
查看更多内容