SDDGR:基于稳定扩散的深度生成重放类增量目标检测(CVPR2024)

文章预览

点击下方 卡片 ，关注“ AI生成未来 ” 论文题目 SDDGR: Stable Diffusion-based Deep Generative Replay  for Class Incremental Object Detection 摘要 在类增量学习(class incremental learning, CIL)领域，随着生成模型的不断改进，生成式重放作为一种减轻灾难性遗忘的方法越来越受到重视。然而，它在类增量目标检测(CIOD)中的应用受到很大限制，主要是由于涉及多个标签的场景的复杂性。在本文中，我们提出了一种新的方法，称为稳定扩散深度生成重播(SDDGR)。我们的方法利用基于扩散的生成模型和预训练的文本到图像扩散网络来生成逼真和多样化的合成图像。SDDGR结合了一个迭代的细化策略来生成包含旧类的高质量图像。此外，我们采用了L2知识蒸馏技术来提高合成图像中先验知识的保留率。此外，我们的方法包括在新任务图像中对旧对象进行伪标记，防止误分类为背景元素。 ………………………………