| 科学家提出基于无约束噪声生成模型数据集蒸馏算法 |
华东理工大学教授陈志华、模型从而实现训练加速与存储节省。馏算然而,法新且未利用各生成图像间的闻科关系。分别对大小分辨率数据集采用在线蒸馏和离线蒸馏策略,学网

针对该问题,出基并适配在生成对抗网络和扩散模型两种生成范式中,于无约束使模型在小规模数据上训练后,提高蒸馏图像分布的稳定性。且生成图像可作为数据集蒸馏的有效代理数据集。提出了基于无约束噪声生成模型的数据集蒸馏算法,在测试集上仍能达到接近在原数据集训练的性能,并结合二次蒸馏,
数据集蒸馏通过将原始数据集压缩为更小的数据集,相关研究成果发表于《IEEE模式分析与机器智能汇刊》。为基于生成模型进行数据集蒸馏提供了新思路,科学网、研究团队供图
相关论文信息:https://doi.org/10.1109/TPAMI.2026.3690778
版权声明:凡本网注明“来源:中国科学报、网站转载,并在多个数据集上进行实验验证。邮箱:shouquan@stimes.cn。头条号等新媒体平台,通过二次蒸馏技术,研究团队提出无约束噪声生成模型的数据集蒸馏算法,研究团队在蒸馏阶段,转载请联系授权。讲师戴蕾团队联合上海交通大学教授盛斌团队,科学新闻杂志”的所有作品,