Tag · 2 篇
扩散模型数据增强
分布 人脸与人体理解1医学影像与生物视觉1
01 02
MOS：弥合光学-SAR模态鸿沟的跨模态船舶重识别
MOS: Mitigating Optical-SAR Modality Gap for Cross-Modal Ship Re-Identification
把光学-SAR跨模态ReID的模态鸿沟拆成表征对齐与样本生成两条线：类级模态对齐损失 + 布朗桥扩散模型合成跨模态样本并在推理时做特征融合，这套「生成式跨模态补全」思路可直接迁移到可见光-红外、RGB-深度等跨模态检索与ReID任务。
基于扩散的原生对抗合成以增强医学分割泛化
Diffusion-Based Native Adversarial Synthesis for Enhanced Medical Segmentation Generalization
把扩散模型的初始噪声当作可优化变量来挖掘「原生对抗样本」，无需重训或改动扩散模型即可生成难例做数据增强；做医学分割或任何小样本分割任务时，这是一个可直接套用的合成增强插件。