计算机科学 > 计算机视觉与模式识别
[提交于 2025年5月31日
]
标题: 常见补丁对象:上下文内外
标题: Common Inpainted Objects In-N-Out of Context
摘要: 我们提出了Common Inpainted Objects In-N-Out of Context(COinCO),这是一个新型的数据集,旨在解决现有视觉数据集中缺乏离散情境例子的问题。 通过基于扩散模型的图像修复系统性地替换COCO图像中的物体,我们创建了97,722张独特的图像,这些图像既包括语境一致的场景也包括不一致的场景,从而实现有效的语境学习。 每个修复的物体都经过仔细验证,并通过多模态大型语言模型评估分类为在情境内或情境外。 我们的分析揭示了影响物体类别修复成功率的重要语义先验模式。 我们展示了COinCO支持的三个关键任务:(1)训练能够有效判断现有物体是否属于其语境的语境分类器;(2)一种新的从语境预测物体的任务,在实例和团簇级别确定哪些新物体自然适合给定场景;(3)在最先进的方法上进行增强语境的假检测,无需微调。 COinCO提供了一个具有语境变化的受控测试平台,为推进计算机视觉和图像取证中的语境感知视觉理解奠定了基础。 我们的代码和数据位于:https://github.com/YangTianze009/COinCO。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.