Noisy-Diff

LatentDiff框架能够对数百万张图像进行语义数据集比较

研究人员推出LatentDiff，一个旨在通过在预训练视觉编码器的潜在空间中运行来高效比较大型图像数据集的新框架。该方法利用基于稀疏自编码器的散度测试和密度比估计，以显著降低的计算成本来精确找出语义差异，相比基于字幕的方法更具优势。该框架还包括Noisy-Diff，一个专门设计的基准，用于测试其在细微分布变化下的鲁棒性，这些变化对当前方法构成了挑战。