跳到主要内容
检索

# 数据增强

9 篇关联报道

订阅更新
  1. arXiv

    冻结的表格基础模型当候选生成器:船尾设计里可装螺旋桨的候选从1.4%升到99.3%

    工程设计中,仿真与实验昂贵,可用的已评估设计往往只有10到1000个。GenPFN不训练新生成器,而是用权重固定的TabPFN分类器读取已标注设计,在期望设计之间插值,再用分类器梯度与高斯噪声更新候选,每个候选都要经过问题本身的约束和目标函数评估。在14个工程问题上,GenPFN v1的类别满足率高于所测CTGAN、TVAE和TabDDPM,真实度距离更低;在船尾案例中,1000个候选有993个通过几何检查并达到螺旋桨安装面积要求,而2000个随机上下文设计里只有28个达到。

  2. Scientific Reports

    耳内镜图像不再只靠文字提示:CLNA把未写进提示的视觉差异变成可调潜变量,FID从52.91降到10.11

    耳内镜图像合成长期受限于文字提示只写诊断、不写色调与纹理等视觉细节,同一诊断类内的外观差异难以控制。CLNA在Stable Diffusion 2.1主干上加入一个风格编码器和双重交叉注意力,把这类未写进提示的属性压缩成连续潜变量,并用风格参数调节采样幅度。在正常鼓膜、分泌性中耳炎和慢性中耳炎三类耳内镜图像上,对留出的内部测试集,FID由基线Stable Diffusion的52.91降至10.11,特征空间召回率由57.67%升至90.22%。

  3. arXiv

    测试集缺了夜间样本,评测就会选错模型:把白天图改成夜间图补进测试集,选型结论回到与完整数据一致

    在测试与评估中,若测试集缺少夜间这类关键语义条件,模型选型会被误导;一套生成式流程用视觉语言模型找出缺失语义、用扩散模型把白天图改造成夜间图补进测试集,使选型结论与完整覆盖的数据集一致。

  4. 严重脊柱侧弯的CT标注不再靠手工:把健康脊柱弯成病理形态,椎体分割Dice从0.765升到0.842

    严重脊柱侧弯的椎体分割长期受限于病理CT标注稀缺,公开数据里几乎没有可用的侧弯病例。一种解剖感知的合成流程把公开健康脊柱CT及其分割标签一起做三维形变,生成带侧弯样弯曲的合成体数据,再按相同算力预算训练nnU-Net CNN与PRIMUS。在18例院内青少年侧弯CT上,最佳CNN设置把平均Dice从0.765提高到0.842,椎体成功率从73.2%提高到81.6%;在55个由外科医生标注的顶椎区域标签上,平均Dice从0.720提高到0.854。

  5. arXiv

    DAFL 通过分布式增强分配在 CIFAR-10 联邦学习中将少数类 F1 提升至 0.183 并缩短收敛时间

    该工作先建立数据增强与联邦学习收敛行为的关系,指出降低标签比例不平衡可加速收敛,进而提出 DAFL:服务器在已知各客户端类别计数的条件下,以最小化增强与训练时间并约束全局类别不平衡为目标,为每个客户端-类别对分配最小增强量;在 CIFAR-10 八类、八个客户端的六种不平衡配置上,DAFL 在 D2、D4、D5、D6 取得更高少数类 F1 且训练时间更短,在 D2 上少数类 F1 为 0.183±0.055、收敛时间 188.119±86.344 秒,优于 FedProx 与 Focal Loss。

  6. arXiv

    将mDPO偏好学习扩展到音频域:Qwen2-Audio在DCASE 2025与AH Existence上分别提升14.0与27.4个百分点

    该工作把面向视觉语言模型的多模态直接偏好优化(mDPO)迁移到音频域,用反转、随机噪声、时频掩蔽等声学扰动构造“完好音频对扰动音频”的偏好对,在Qwen2-Audio-7B-Instruct上训练,使DCASE 2025音频问答整体准确率由56.0%升至70.0%,AH Existence由55.6%升至83.0%。

  7. Retina

    用Oracle筛选的合成眼底图像增强糖尿病视网膜病变分级,ConvNeXt的二次加权kappa从0.6350提升到0.7695,增殖期DR召回率翻倍

    该研究在辅助数据集上预训练StyleGAN3与Medfusion,并用域匹配的Oracle网络通过潜在空间拒绝采样和类别条件SDEdit升级对合成图像进行严格筛选,随后在印度DR图像数据集上以ConvNeXt、ResNet50、VGG16三种架构和五个随机种子评估下游分级,结果显示仅用真实数据训练的ConvNeXt基线二次加权kappa为0.6350±0.0135,加入筛选后的StyleGAN3合成数据提升至0.7185±0.0309,加入Medfusion合成数据提升至0.7695±0.0254(绝对提升0.1345),且Medfusion将增殖期DR的召回率从0.2615±0.1595提高

  8. Acta Scientiae

    综述指出:融合行为、遗传、影像等多模态数据的AI与GAN增强方法有望提升自闭症谱系障碍筛查,但受限于数据不足、类别不平衡与外部临床验证缺乏

    这篇综述系统梳理了基于人工智能、机器学习、深度学习和生成对抗网络(GAN)的自闭症谱系障碍(ASD)筛查研究,重点考察行为、遗传、环境、神经影像、生理与临床等多模态数据的融合方式以及GAN在合成数据生成与数据增强中的作用,并指出多模态AI相比单模态方法可能更全面地刻画ASD相关特征,但仍面临数据集有限且异质、类别不平衡、多模态整合困难、GAN训练不稳定、合成数据质量、隐私安全、可解释性、泛化性与外部临床验证不足等挑战。

  9. arXiv

    SAW用四个轻量条件信号做手术视频扩散,CD-FVD降至199.19并让稀缺动作识别F1从20.93%升至43.14%

    该工作提出Surgical Action World(SAW),把视频到视频扩散重构为轨迹条件的手术动作合成,仅以语言提示、参考首帧、组织可操作区域掩码和2D器械尖端轨迹四个轻量信号为条件,在自建的12,044段腹腔镜视频片段上微调LTX-Video并引入深度一致性损失,在留出测试集上取得CD-FVD 199.19(对比SurgSora的546.82)与FVD 224.28,并展示用生成视频增强稀缺动作后真实测试集上动作识别F1提升(clipping 20.93%→43.14%,cutting 0.00%→8.33%),以及从仿真器导出轨迹渲染器械-组织交互视频的初步可行性。

已读完全部报道