elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Synthetic Dataset Acquisition for a Specific Target Domain

Niemeijer, Joshua und Mittal, Sudhanshu und Brox, Thomas (2023) Synthetic Dataset Acquisition for a Specific Target Domain. In: 2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2023. IEEE/CVF International Conference on Computer Vision (ICCV) Workshops, 2023-10-02 - 2023-10-06, Paris, Frankreich. doi: 10.1109/iccvw60793.2023.00438. ISBN 979-835030129-8. ISSN 1063-6919.

[img] PDF
3MB

Kurzfassung

Intelligent sampling from simulation becomes crucial due to storage and hardware constraints. This research focuses on developing an intelligent acquisition strategy for synthetic data and evaluates multiple approaches to address the limitations of existing domain adaptation methods. Selecting suitable synthetic data for real-world model training presents challenges, as accurately representing the real world remains elusive. We tackle the task of adapting from synthetic to real-world data through unsupervised domain adaptation, a challenging setting for perception systems. The performance of our acquisition function is measured by its facilitation of this adaptation. We showcase different strategies, to assign value to synthetic images. Acquisition functions either operate based on synthetic data alone or take the given real world target domain into account, to assign a value to synthetic images. Leveraging assumptions from semi-supervised learning, we identify challenging real-world images and find their counterparts in the synthetic world. Evaluation is conducted using the GTA-5 dataset as the representative synthetic world and the Cityscapes and ACDC dataset as the target domain. State-of-the-art unsupervised domain adaptation approaches are employed to assess the effectiveness of our acquisition function. By advancing the utilization of synthetic data in training perception systems, this research contributes to improved real-world performance. Our findings demonstrate the potential of intelligent acquisition strategies for enhancing the adaptation from synthetic to real-world domains.

elib-URL des Eintrags:https://elib.dlr.de/198558/
Dokumentart:Konferenzbeitrag (Poster)
Titel:Synthetic Dataset Acquisition for a Specific Target Domain
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Niemeijer, JoshuaJoshua.Niemeijer (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Mittal, Sudhanshumittal (at) cs.uni-freiburg.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Brox, Thomasbrox (at) cs.uni-freiburg.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Oktober 2023
Erschienen in:2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition, CVPR 2023
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Ja
DOI:10.1109/iccvw60793.2023.00438
ISSN:1063-6919
ISBN:979-835030129-8
Status:veröffentlicht
Stichwörter:Synthetic Data, Unsupervised Domain Adaptation, Segmentation
Veranstaltungstitel:IEEE/CVF International Conference on Computer Vision (ICCV) Workshops
Veranstaltungsort:Paris, Frankreich
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:2 Oktober 2023
Veranstaltungsende:6 Oktober 2023
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Verkehr
HGF - Programmthema:Straßenverkehr
DLR - Schwerpunkt:Verkehr
DLR - Forschungsgebiet:V ST Straßenverkehr
DLR - Teilgebiet (Projekt, Vorhaben):V - KoKoVI - Koordinierter kooperativer Verkehr mit verteilter, lernender Intelligenz
Standort: Braunschweig
Institute & Einrichtungen:Institut für Verkehrssystemtechnik
Institut für Verkehrssystemtechnik > Kooperative Systeme, BS
Hinterlegt von: Niemeijer, Joshua
Hinterlegt am:05 Dez 2023 14:32
Letzte Änderung:27 Mai 2024 12:43

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.