Core Concepts
DetDiffusion은 생성 모델과 인지 모델의 시너지를 활용하여 고품질 데이터 생성과 인지 모델 성능 향상을 달성한다.
Abstract
이 논문은 생성 모델과 인지 모델의 시너지를 활용하는 DetDiffusion 프레임워크를 제안한다.
인지 인식 손실(P.A. loss)을 도입하여 생성 모델의 품질과 제어 능력을 향상시킨다. 이를 위해 중간 특징 맵에서 추출한 세그멘테이션 정보를 활용한다.
인지 인식 속성(P.A. Attr)을 생성 모델의 입력으로 활용하여, 특정 인지 모델의 성능을 높이기 위한 데이터를 생성한다. 이를 통해 검출기 성능 향상에 기여한다.
실험 결과, DetDiffusion은 COCO-Stuff 데이터셋에서 31.2 mAP의 새로운 최고 성능을 달성했다. 또한 합성 데이터를 활용하여 검출기 성능을 0.9 mAP 향상시켰다. 이는 특히 장기미데이터 생성 문제를 해결하는 데 기여했다.
Stats
합성 데이터를 활용하여 검출기 성능을 0.9 mAP 향상시켰다.
COCO-Stuff 데이터셋에서 31.2 mAP의 새로운 최고 성능을 달성했다.
Quotes
"DetDiffusion은 생성 모델과 인지 모델의 시너지를 활용하여 고품질 데이터 생성과 인지 모델 성능 향상을 달성한다."
"인지 인식 손실(P.A. loss)과 인지 인식 속성(P.A. Attr)을 통해 생성 모델의 품질과 제어 능력, 그리고 검출기 성능을 향상시켰다."