要約
新しい合成データジェネレーターPSP-HDRI$+ $を紹介します。これは、ImageNetやその他の大規模な合成データの対応物に代わる優れた事前トレーニングの代替手段であることが証明されています。
合成データを使用した事前トレーニングにより、分布外(OOD)セットでテストした場合でも、代替モデルよりも優れたパフォーマンスを発揮する、より一般的なモデルが得られることを示します。
さらに、既成のモデルアーキテクチャを備えた個人のキーポイント推定メトリックによって導かれるアブレーション研究を使用して、モデルのパフォーマンスをさらに向上させるために合成データジェネレータを操作する方法を示します。
要約(オリジナル)
We introduce a new synthetic data generator PSP-HDRI$+$ that proves to be a superior pre-training alternative to ImageNet and other large-scale synthetic data counterparts. We demonstrate that pre-training with our synthetic data will yield a more general model that performs better than alternatives even when tested on out-of-distribution (OOD) sets. Furthermore, using ablation studies guided by person keypoint estimation metrics with an off-the-shelf model architecture, we show how to manipulate our synthetic data generator to further improve model performance.
arxiv情報
著者 | Salehe Erfanian Ebadi,Saurav Dhakad,Sanjay Vishwakarma,Chunpu Wang,You-Cyuan Jhang,Maciek Chociej,Adam Crespi,Alex Thaman,Sujoy Ganguly |
発行日 | 2022-07-11 17:22:58+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google