arXiv:2611.23840v1 cs.CV

TOGBench: 항공 영상에서 소형 객체 생성 충실도의 벤치마킹과 개선

TOGBench: Benchmarking and Improving Tiny-Object Generation Fidelity in Aerial Imagery

Chanhwi Jeong, Dongmin You, Seungwook Kim

제출 2026-11-19

한국어 초록

심층 생성 모델의 발전으로 이제 사실적인 영상을 합성할 수 있게 되었다. 그러나 항공 영상은 차량, 선박, 항공기와 같은 소형 객체가 대부분을 차지하며, 이들은 항공 촬영의 조감적이고 광역적인 특성 때문에 몇 개의 픽셀만을 차지한다. 기존 생성 모델은 큰 객체보다 소형 객체에서 훨씬 더 어려움을 겪는다. 기존의 생성 평가 연구가 작은 객체가 충실하게 표현되는지보다 프롬프트 준수나 인간 선호도를 강조해 왔기 때문에 이러한 한계는 간과되어 왔다. 이러한 공백을 해소하기 위해, 본 논문은 항공 영상에서 소형 객체 생성 충실도를 평가하는 정량적이고 객체 수준의 벤치마크인 TOGBench를 소개한다. 나아가 레이아웃-이미지 생성기가 작은 객체를 표현하는 능력을 향상시켜 TOGBench에서의 성능을 높이는 두 가지 간단한 학습 시점 및 추론 시점 기법을 제안한다.

원문 초록

Advances in deep generative models now enable the synthesis of realistic imagery. However, aerial imagery is dominated by tiny objects, such as vehicles, ships, and aircraft, which occupy only a few pixels owing to the overhead, wide-area nature of aerial imaging. Existing generative models struggle substantially more with tiny objects than with larger ones. This limitation has been overlooked, as prior work on generative evaluation emphasizes prompt following or human preference rather than whether small objects are rendered faithfully. To address this gap, we introduce TOGBench, a quantitative, object-level benchmark for evaluating tiny-object generation fidelity in aerial imagery. We further propose two simple train-/inference-time techniques that improve the ability of layout-to-image generators to render small objects, raising their performance on TOGBench.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2611.23840v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.