Buchumschlag

Mind the Gap Between Synthetic and Real: Utilizing Transfer Learning to Probe the Boundaries of Stable Diffusion Generated Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hennicke, Leonhard, Adriano, Christian Medeiros, Giese, Holger, Koehler, Jan Mathias, Schott, Lukas
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

From Program Slices to Causal Clarity: Evaluating Faithful, Actionable LLM-Generated Failure Explanations via Context Partitioning and LLM-as-a-Judge
von: Porbeck, Julius, et al.
Veröffentlicht: (2026)

Causal Knowledge Transfer for Multi-Agent Reinforcement Learning in Dynamic Environments
von: Korte, Kathrin, et al.
Veröffentlicht: (2025)

Towards Neuro-symbolic Causal Rule Synthesis, Verification, and Evaluation Grounded in Legal and Safety Principles
von: Rehan, Zainab, et al.
Veröffentlicht: (2026)

Mind the Gap: Impact of Synthetic Conversational Data on Multi-Talker ASR and Speaker Diarization
von: Polok, Alexander, et al.
Veröffentlicht: (2026)

Conflictividad ambiental en botaderos mineros de comunidades del Lago General Carrera. Retrospectiva desde actores locales de Aysén, Chile
von: Klaus Martin Hennicke Laporte
Veröffentlicht: (2021)

Mind the Domain Gap: Measuring the Domain Gap Between Real-World and Synthetic Point Clouds for Automated Driving Development
von: Duc, Nguyen, et al.
Veröffentlicht: (2025)

RadSimReal: Bridging the Gap Between Synthetic and Real Data in Radar Object Detection With Simulation
von: Bialer, Oded, et al.
Veröffentlicht: (2024)

Bridging the Gap Between Simulated and Real Network Data Using Transfer Learning
von: Güemes-Palau, Carlos, et al.
Veröffentlicht: (2025)

Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization
von: Li, Yuhang, et al.
Veröffentlicht: (2024)

Mind the Gap? A Distributional Comparison of Real and Synthetic Priors for Tabular Foundation Models
von: Davies, Alex O., et al.
Veröffentlicht: (2026)

Mind the Gap: The Divergence Between Human and LLM-Generated Tasks
von: Lu, Yi-Long, et al.
Veröffentlicht: (2025)

Localized RETE for Incremental Graph Queries with Nested Graph Conditions
von: Barkowsky, Matthias, et al.
Veröffentlicht: (2024)

Localized RETE for Incremental Graph Queries
von: Barkowsky, Matthias, et al.
Veröffentlicht: (2024)

Inference-Time Refinement Closes the Synthetic-Real Gap in Tabular Diffusion
von: Lomurno, Eugenio, et al.
Veröffentlicht: (2026)

From Synthetic to Real: Toward Identity-Consistent Makeup Transfer with Synthetic and Real Data
von: Yu, Yue, et al.
Veröffentlicht: (2026)

Synthetic Data Generation for Bridging Sim2Real Gap in a Production Environment
von: Rawal, Parth, et al.
Veröffentlicht: (2023)

Synthetic Enclosed Echoes: A New Dataset to Mitigate the Gap Between Simulated and Real-World Sonar Data
von: de Oliveira, Guilherme, et al.
Veröffentlicht: (2025)

Mind the Gap: Data Rewriting for Stable Off-Policy Supervised Fine-Tuning
von: Zhao, Shiwan, et al.
Veröffentlicht: (2025)

Style Transfer with Diffusion Models for Synthetic-to-Real Domain Adaptation
von: Chigot, Estelle, et al.
Veröffentlicht: (2025)

LiBaGS: Lightweight Boundary Gap Synthesis for Targeted Synthetic Data Selection
von: Moturu, Abhishek, et al.
Veröffentlicht: (2026)

SADGE: Structure and Appearance Domain Gap Estimation of Synthetic and Real Data
von: Bartkowiak, Patryk, et al.
Veröffentlicht: (2026)

Fill In The Gaps: Model Calibration and Generalization with Synthetic Data
von: Ba, Yang, et al.
Veröffentlicht: (2024)

Mind the Gap Between Prototypes and Images in Cross-domain Finetuning
von: Tian, Hongduan, et al.
Veröffentlicht: (2024)

Mind the Gap Between Spatial Reasoning and Acting! Step-by-Step Evaluation of Agents With Spatial-Gym
von: Kaesberg, Lars Benedikt, et al.
Veröffentlicht: (2026)

Mind the Sim-to-Real Gap & Think Like a Scientist
von: Parikh, Harsh, et al.
Veröffentlicht: (2026)

Mind the (Language) Gap: Towards Probing Numerical and Cross-Lingual Limits of LVLMs
von: Gautam, Somraj, et al.
Veröffentlicht: (2025)

Rendering-Refined Stable Diffusion for Privacy Compliant Synthetic Data
von: Patwari, Kartik, et al.
Veröffentlicht: (2024)

Generative AI for Enhanced Wildfire Detection: Bridging the Synthetic-Real Domain Gap
von: Gaba, Satyam
Veröffentlicht: (2025)

Mind the Style Gap: Meta-Evaluation of Style and Attribute Transfer Metrics
von: Pauli, Amalie Brogaard, et al.
Veröffentlicht: (2025)

Mind Drifts, Data Shifts: Utilizing Mind Wandering to Track the Evolution of User Experience with Data Visualizations
von: Arunkumar, Anjana, et al.
Veröffentlicht: (2024)

Mind the Gap: Evaluating Model- and Agentic-Level Vulnerabilities in LLMs with Action Graphs
von: Wicaksono, Ilham, et al.
Veröffentlicht: (2025)

Diffusion Curriculum: Synthetic-to-Real Data Curriculum via Image-Guided Diffusion
von: Liang, Yijun, et al.
Veröffentlicht: (2024)

Mind the Data Gap: Bridging LLMs to Enterprise Data Integration
von: Kayali, Moe, et al.
Veröffentlicht: (2024)

Stable-Hair: Real-World Hair Transfer via Diffusion Model
von: Zhang, Yuxuan, et al.
Veröffentlicht: (2024)

Nonlocal Boundary Value Problems Governed by Symmetric Nonlocal Operators
von: Frerick, Leonhard, et al.
Veröffentlicht: (2026)

Utilizing Synthetic Data for Medical Vision-Language Pre-training: Bypassing the Need for Real Images
von: Liu, Che, et al.
Veröffentlicht: (2023)

Mind The Gap: Can Air-Gaps Keep Your Private Data Secure?
von: Guri, Mordechai
Veröffentlicht: (2024)

Mind the Sim2Real Gap in User Simulation for Agentic Tasks
von: Zhou, Xuhui, et al.
Veröffentlicht: (2026)

Mind the Gap: Continuous Magnification Sampling for Pathology Foundation Models
von: Möllers, Alexander, et al.
Veröffentlicht: (2026)

When Synthetic Traces Hide Real Content: Analysis of Stable Diffusion Image Laundering
von: Mandelli, Sara, et al.
Veröffentlicht: (2024)