Synthetic Data for Model Selection

要約

合成データ生成アプローチにおける最近の進歩により、実際の画像とほとんど区別できない、非常にフォトリアリスティックな画像を生成することが可能になりました。
さらに、合成生成パイプラインには、無制限の数の画像を生成する可能性があります。
高いフォトリアリズムとスケールの組み合わせにより、合成データはさまざまな機械学習 (ML) パイプラインを改善するための有望な候補になります。
これまでのところ、この分野における多くの研究は、トレーニング データを増強および拡大することにより、合成画像をトレーニングに使用することに焦点を当ててきました。
トレーニングに合成データを使用するのとは対照的に、この研究では、合成データがモデルの選択に有益であるかどうかを調査します。
画像分類のタスクを考慮すると、データが不足している場合、合成データを使用して保持された検証セットを置き換えることができるため、より大きなデータセットでトレーニングできることを示します。
また、合成誤差推定を実領域の推定値に適合するように調整する新しい方法も紹介します。
このようなキャリブレーションにより、モデル選択における合成データの有用性が大幅に向上することを示します。

要約(オリジナル)

Recent breakthroughs in synthetic data generation approaches made it possible to produce highly photorealistic images which are hardly distinguishable from real ones. Furthermore, synthetic generation pipelines have the potential to generate an unlimited number of images. The combination of high photorealism and scale turn synthetic data into a promising candidate for improving various machine learning (ML) pipelines. Thus far, a large body of research in this field has focused on using synthetic images for training, by augmenting and enlarging training data. In contrast to using synthetic data for training, in this work we explore whether synthetic data can be beneficial for model selection. Considering the task of image classification, we demonstrate that when data is scarce, synthetic data can be used to replace the held out validation set, thus allowing to train on a larger dataset. We also introduce a novel method to calibrate the synthetic error estimation to fit that of the real domain. We show that such calibration significantly improves the usefulness of synthetic data for model selection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google