Reducible Degradation Gap

新方法优化用于AI模型训练的合成数据

研究人员开发了一种名为可控可约减退化差距（cRDG）的新方法，以更好地选择用于训练密集预测模型的合成退化。该方法衡量了在退化图像上训练与干净对照探针相比所获得的改进，避免了由于干净性能下降而导致退化似乎有益的问题。cRDG方法识别出合成数据的“可纠正严重性范围”，可用于在不改变预测器本身的情况下整理训练数据集。当应用于语义分割和显著对象检测任务时，该方法在匹配预算和训练计划下证明了预测器性能的提高。