Core Concepts
既存のセグメンテーション手法を拡張し、任意の単語で生成された合成画像に対する意味的セグメンテーション擬似マスクを可能にするOVAMの導入と、トークン最適化技術が注目すべき結果をもたらす。
Abstract
テキストから画像生成までの拡散モデルの新しい進歩を紹介。
OVAMは訓練不要な方法で、任意の単語に基づいて注目マップを生成し、トークン最適化プロセスは正確な注目マップを生成するために効果的。
実験結果は、OVAMが既存の手法よりも優れたパフォーマンスを示すことを示唆している。
さらに、OVAMが合成データ生成に有用であり、実際のデータが不足している場合でも競争力のある結果を達成できることが示されている。
Stats
既存の手法よりも+12.2 mIoU向上したことが示されています。
他の拡散ベースの擬似マスク生成手法も最大+24.5 mIoU向上しました。
Quotes
"Our findings affirm the viability of OVAM not only in enhancing existing diffusion-based segmentation methods but also as a valuable approach for synthetic data generation to train robust semantic segmentation models."
"When more real data is available, incorporating synthetic data from OVAM can improve models performance by up to a 6.9% in mIoU."