arXiv · cs.AI· Zilin Du, Haoxin Li, Jianfei Yu, Boyang Li·· 6 小时前
POBF通过框外图像修补与筛选合成视觉定位训练数据
Paint Outside the Box: Synthesizing and Selecting Training Data for Visual Grounding
arXiv:2412.00684v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zilin Du, Haoxin Li, Jianfei Yu, Boyang Li
研究任务与主要进展
POBF提出一种面向视觉定位的合成训练数据框架，通过在框外修补生成图像以缓解标签错位，并用结合硬度分数、过拟合分数和惩罚项的方案筛选数据。基于论文摘要，该方法在四个基准数据集上相较仅使用真实数据平均提升5.83%，相较主要基线准确率提升2.29%—3.85%。作者还报告了其在不同生成模型、训练数据规模和模型架构上的鲁棒性与泛化性。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org