НОВОСТЬ · MODELS · #558
Amazon SageMaker развертывает Qwen-Image-Edit-2509 и Rekognition для дополнения датасетов безопасности синтетическими людьми
Amazon показала конвейер на SageMaker AI, который использует диффузионную модель Qwen-Image-Edit-2509 (развёрнутую на ml.g5.12xlarge с NVIDIA A10G) для вставки фотореалистичных синтетических людей в реальные изображения оборудования, а затем автоматически получает ограничивающие рамки через Amazon Rekognition DetectLabels; по экспериментам, это давало до 160% улучшения mAP50 для обнаружения людей без ручной разметки. Подход редактирует реальные сцены, сохраняет фон, очищает боксы с помощью NMS и конвертирует аннотации в формат YOLO для обучения.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- Amazon показала конвейер на SageMaker AI, который использует диффузионную модель Qwen-Image-Edit-2509 (развёрнутую на ml.g5.12xlarge с NVIDIA A10G) для вставки фотореалистичных синтетических людей в реальные изображения оборудования, а затем автоматически получает ограничивающие рамки через Amazon Rekognition DetectLabels; по экспериментам, это давало до 160% улучшения mAP50 для обнаружения людей без ручной разметки.
- Подход редактирует реальные сцены, сохраняет фон, очищает боксы с помощью NMS и конвертирует аннотации в формат YOLO для обучения.
- Автоматическая генерация и разметка реалистичных опасных примеров с людьми решает дефицит данных и рискованность ручной съёмки, повышая надёжность детекторов безопасности на периферии, где ошибки дорого обходятся.
ПОЧЕМУ ЭТО ВАЖНО
Автоматическая генерация и разметка реалистичных опасных примеров с людьми решает дефицит данных и рискованность ручной съёмки, повышая надёжность детекторов безопасности на периферии, где ошибки дорого обходятся.