https://vilab.team/tag/%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA/ 数据增强 Hugo Blox Builder (https://hugoblox.com)en-usMon, 26 Jun 2023 00:00:00 +0000 https://vilab.team/media/icon_hu2896232876136423579.png https://vilab.team/tag/%E6%95%B0%E6%8D%AE%E5%A2%9E%E5%BC%BA/ https://vilab.team/publication/better-and-faster-adaptive-event-conversion-for-event-based-/ Mon, 26 Jun 2023 00:00:00 +0000 https://vilab.team/publication/better-and-faster-adaptive-event-conversion-for-event-based-/ <p>本文针对事件相机目标检测任务，提出高效事件表示Hyper Histogram，充分保留事件极性与时间信息；设计自适应事件转换模块AEC，基于事件密度通过自适应队列将事件流转换为超直方图，并适配现有帧基检测器；还提出事件增强方法Shadow Mosaic，提升样本多样性与泛化能力。在YOLOv5、Deformable-DETR和RetinaNet上验证，在1Mpx、Gen1和MVSEC-NIGHTL21数据集上取得显著优势，且推理速度快。</p> https://vilab.team/publication/text-only-image-captioning-with-multi-context-data-generatio/ Sun, 01 Jan 2023 00:00:00 +0000 https://vilab.team/publication/text-only-image-captioning-with-multi-context-data-generatio/ <p>本文针对仅使用文本数据训练图像描述模型的任务，提出一种多上下文数据生成方法。通过构造多样化的文本上下文，生成合成图像-描述训练对，使模型学习跨模态对齐与语义描述能力，减少对真实图像标注的依赖。实验表明该方法在多个图像描述基准上取得有效性能，为数据稀缺场景下的多模态学习提供了新思路。</p>