DiffInf

新的DiffInf框架纠正面部属性学习中的不一致性

研究人员开发了DiffInf，一个旨在通过解决标注数据集中不一致性来改进面部属性学习的新框架。该方法使用一种自影响引导的扩散过程来识别和纠正模糊或主观的标签，例如年龄和表情，这些标签通常被离散化为分类形式。通过对有影响力的样本应用有针对性的生成式校正，DiffInf能够改进数据集，使视觉内容与标签更好地对齐，同时保留身份和真实性，从而提高下游分类任务的泛化能力。