النسخ واللصق البسيط هو طريقة قوية لتعزيز البيانات في التجزئة الحقيقية للهوية

إن بناء نماذج تجزئة المثيلات التي تكون فعّالة من حيث البيانات وقادرة على التعامل مع فئات الكائنات النادرة يُعدّ تحديًا مهمًا في مجال الرؤية الحاسوبية. ويشكل استخدام تقنيات تضخيم البيانات اتجاهًا واعدًا للتعامل مع هذا التحدي. وفي هذا العمل، نُجري دراسة منهجية لتقنية تضخيم "نسخ-لصق" (Copy-Paste) [13, 12] في تجزئة المثيلات، حيث نقوم بوضع كائنات عشوائية على صورة. اعتمدت الدراسات السابقة على تقنيات نمذجة السياق البصري المحيط لوضع الكائنات، ولكننا نلاحظ أن الآلية البسيطة لوضع الكائنات بشكل عشوائي تكون كافية بحد ذاتها، وتوفر مكاسب ملموسة فوق النماذج القوية القائمة. علاوة على ذلك، نُظهر أن تقنية "نسخ-لصق" تُعدّ مُكمّلة لأساليب التعلم شبه المُعلَّم التي تعتمد على استخدام بيانات إضافية من خلال التسمية التلقائية (مثل التدريب الذاتي). وعلى معيار COCO لتجزئة المثيلات، نحقق 49.1 نقطة AP للأقنعة و57.3 نقطة AP للإطارات، أي تحسينًا قدره +0.6 نقطة AP للأقنعة و+1.5 نقطة AP للإطارات مقارنةً بأفضل أداء سابق. كما نُظهر بشكل مُفصّل أن تقنية "نسخ-لصق" يمكن أن تُحدث تحسينات كبيرة على معيار LVIS. فنماذجنا الأساسية تتفوّق على الفائز في مسابقة LVIS 2020 بفارق +3.6 نقطة AP في الفئات النادرة.