From Fake to Real (FFR)

新的FFR方法通过平衡合成和真实数据来改进图像识别

研究人员开发了一种名为“从虚假到真实”（FFR）的新型两步训练流程，以改进图像识别模型。该方法通过首先在平衡的合成图像上对模型进行预训练，学习跨子组的鲁棒表示，从而解决训练数据中的虚假关联问题。随后，模型在真实数据上进行微调，防止因合成数据和真实数据之间的分布差异而产生的偏差。实验表明，FFR显著提高了最差组的准确性，在三个不同的数据集上取得了高达20%的改进。