Core Concepts
합성 데이터의 안전 인식 충실도를 정의하고 이를 높이기 위한 최적화 기반 보정 방법을 제안한다.
Abstract
이 논문은 합성 데이터의 충실도를 정의하고 이를 향상시키는 방법을 제안한다.
먼저 입력 값 충실도, 출력 값 충실도, 잠재 특징 충실도 등 4가지 유형의 인스턴스 수준 충실도를 정의한다. 이 중 안전 인식 충실도(SA-fidelity)는 합성 데이터와 실제 데이터가 안전 관련 문제를 일으키는 정도가 유사한지를 측정한다.
이어서 합성 데이터 생성 과정을 최적화하여 SA-fidelity를 높이는 방법을 제안한다. 합성 데이터 생성기를 구성하는 두 함수 중 하나인 보정 함수의 매개변수를 최적화하여 안전 관련 오류의 일관성을 높인다.
실험에서는 KITTI 데이터셋을 기반으로 4가지 합성 데이터셋을 생성하고, 각 데이터셋의 SA-fidelity를 평가한다. 또한 보정 함수의 매개변수를 최적화하여 SA-fidelity를 향상시킬 수 있음을 보인다. 이를 통해 합성 데이터의 안전 관련 충실도를 높이는 실용적인 방법을 제시한다.
Stats
실제 이미지와 합성 이미지 간 안전 관련 오류의 불일치 수:
Syn Carla: 105
Syn CN Canny: 216
Syn CN Depth: 230
최적 보정 설정에서의 안전 관련 오류 불일치 수:
fcos 모델, Syn Carla: 105
fasterrcnn 모델, Syn Carla: 215
ssd300 모델, Syn Carla: 105
Quotes
"What level of fidelity is necessary for synthetic data to be deemed adequate for safety purposes?"
"The aim is to align synthetic data with real-world safety issues."