Buchumschlag

Does Feasibility Matter? Understanding the Impact of Feasibility on Synthetic Training Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Yiwen, Bader, Jessica, Kim, Jae Myung
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

SUB: Benchmarking CBM Generalization via Synthetic Attribute Substitutions
von: Bader, Jessica, et al.
Veröffentlicht: (2025)

Understanding Trade offs When Conditioning Synthetic Data
von: Trabucco, Brandon, et al.
Veröffentlicht: (2025)

Masking Matters: Unlocking the Spatial Reasoning Capabilities of LLMs for 3D Scene-Language Understanding
von: Jeon, Yerim, et al.
Veröffentlicht: (2025)

Fake & Square: Training Self-Supervised Vision Transformers with Synthetic Data and Synthetic Hard Negatives
von: Giakoumoglou, Nikolaos, et al.
Veröffentlicht: (2025)

Investigation of Accuracy and Bias in Face Recognition Trained with Synthetic Data
von: Korshunov, Pavel, et al.
Veröffentlicht: (2025)

SynCDR : Training Cross Domain Retrieval Models with Synthetic Data
von: Mishra, Samarth, et al.
Veröffentlicht: (2023)

Feasibility of assessing cognitive impairment via distributed camera network and privacy-preserving edge computing
von: Hegde, Chaitra, et al.
Veröffentlicht: (2024)

Improving Intervention Efficacy via Concept Realignment in Concept Bottleneck Models
von: Singhi, Nishad, et al.
Veröffentlicht: (2024)

SynthRAR: Ring Artifacts Reduction in CT with Unrolled Network and Synthetic Data Training
von: Yang, Hongxu, et al.
Veröffentlicht: (2026)

Stitch: Training-Free Position Control in Multimodal Diffusion Transformers
von: Bader, Jessica, et al.
Veröffentlicht: (2025)

Trimodal Deep Learning for Glioma Survival Prediction: A Feasibility Study Integrating Histopathology, Gene Expression, and MRI
von: Swift, Iain, et al.
Veröffentlicht: (2026)

Joint Flow Trajectory Optimization For Feasible Robot Motion Generation from Video Demonstrations
von: Dong, Xiaoxiang, et al.
Veröffentlicht: (2025)

DataDream: Few-shot Guided Dataset Generation
von: Kim, Jae Myung, et al.
Veröffentlicht: (2024)

Unsupervised Training of Vision Transformers with Synthetic Negatives
von: Giakoumoglou, Nikolaos, et al.
Veröffentlicht: (2025)

Generating Synthetic Wildlife Health Data from Camera Trap Imagery: A Pipeline for Alopecia and Body Condition Training Data
von: Brundage, David
Veröffentlicht: (2026)

3DTurboQuant: Training-Free Near-Optimal Quantization for 3D Reconstruction Models
von: Lee, Jae Joong
Veröffentlicht: (2026)

Depth Any Video with Scalable Synthetic Data
von: Yang, Honghui, et al.
Veröffentlicht: (2024)

VideoWeave: A Data-Centric Approach for Efficient Video Understanding
von: Durante, Zane, et al.
Veröffentlicht: (2026)

Semantic Router: On the Feasibility of Hijacking MLLMs via a Single Adversarial Perturbation
von: Li, Changyue, et al.
Veröffentlicht: (2025)

Spherical VAE with Cluster-Aware Feasible Regions: Guaranteed Prevention of Posterior Collapse
von: Zhang, Zegu, et al.
Veröffentlicht: (2026)

Diversify, Don't Fine-Tune: Scaling Up Visual Recognition Training with Synthetic Images
von: Yu, Zhuoran, et al.
Veröffentlicht: (2023)

Hierarchical and Multimodal Data for Daily Activity Understanding
von: Kaviani, Ghazal, et al.
Veröffentlicht: (2025)

Combining SAR Simulators to Train ATR Models with Synthetic Data
von: Camus, Benjamin, et al.
Veröffentlicht: (2025)

Inpaint Biases: A Pathway to Accurate and Unbiased Image Generation
von: Myung, Jiyoon, et al.
Veröffentlicht: (2024)

Cross-scale Aligned Supervision for Training GANs
von: Hyun, Sangeek, et al.
Veröffentlicht: (2026)

Exploring the Feasibility of Deep Learning Techniques for Accurate Gender Classification from Eye Images
von: Hasan, Basna Mohammed Salih, et al.
Veröffentlicht: (2025)

Video-Based Performance Evaluation for ECR Drills in Synthetic Training Environments
von: Rayala, Surya, et al.
Veröffentlicht: (2025)

EgoGen: An Egocentric Synthetic Data Generator
von: Li, Gen, et al.
Veröffentlicht: (2024)

PiSA: A Self-Augmented Data Engine and Training Strategy for 3D Understanding with Large Models
von: Guo, Zilu, et al.
Veröffentlicht: (2025)

Molmo2: Open Weights and Data for Vision-Language Models with Video Understanding and Grounding
von: Clark, Christopher, et al.
Veröffentlicht: (2026)

Towards High-Order Mean Flow Generative Models: Feasibility, Expressivity, and Provably Efficient Criteria
von: Cao, Yang, et al.
Veröffentlicht: (2025)

Contrastive Language Prompting to Ease False Positives in Medical Anomaly Detection
von: Park, YeongHyeon, et al.
Veröffentlicht: (2024)

VDSB-GWSyn: Diffusion Schrödinger Bridge for Controllable and Anatomically Feasible Guidewire Synthesis in Coronary Angiography
von: Tang, Haoyuan, et al.
Veröffentlicht: (2026)

Feature Attenuation of Defective Representation Can Resolve Incomplete Masking on Anomaly Detection
von: Park, YeongHyeon, et al.
Veröffentlicht: (2024)

Synthetic Simplicity: Unveiling Bias in Medical Data Augmentation
von: Babu, Krishan Agyakari Raja, et al.
Veröffentlicht: (2024)

Synthetic Object Compositions for Scalable and Accurate Learning in Detection, Segmentation, and Grounding
von: Huang, Weikai, et al.
Veröffentlicht: (2025)

Homogeneous Tokenizer Matters: Homogeneous Visual Tokenizer for Remote Sensing Image Understanding
von: Shao, Run, et al.
Veröffentlicht: (2024)

Can Medical Vision-Language Pre-training Succeed with Purely Synthetic Data?
von: Liu, Che, et al.
Veröffentlicht: (2024)

A Guideline-Aware AI Agent for Zero-Shot Target Volume Auto-Delineation
von: Kim, Yoon Jo, et al.
Veröffentlicht: (2026)

Benchmarking and Analyzing Generative Data for Visual Recognition
von: Li, Bo, et al.
Veröffentlicht: (2023)