CVPR

Bounding Box-Guided Diffusion for Synthesizing Industrial Images and Segmentation Map

边界框引导的扩散模型用于合成工业图像和分割图

Emanuele Caruso, Alessandro Simoni, Francesco Pelosin

机构 * Covision Lab（科维森实验室） 纠错

AI总结 本文提出基于扩散模型的边界框引导方法，用于生成高保真的工业图像和分割图，提升缺陷一致性和空间准确性，通过定量指标评估方法有效性，推动更可靠的分割模型发展。

Comments Accepted at Synthetic Data for Computer Vision Workshop - CVPR 2025

Revealing Subtle Phenotypes in Small Microscopy Datasets Using Latent Diffusion Models

利用潜在扩散模型揭示小样本显微图像中的细微表型

Anis Bourou, Biel Castaño Segade, Thomas Boyer, Valérie Mezger, Auguste Genovesio

机构 * Ecole Normale Supérieure（法国国家科学研究院） ； Université Paris Cité（巴黎cité大学） 纠错

AI总结 本文提出利用预训练的潜在扩散模型，在小样本显微图像中有效检测细微表型变化。

Comments Published to CVPR CVDD 2025