Yonghao Xu

新的扩散方法为人工智能训练提炼遥感数据集

研究人员提出了一种新颖的遥感图像解译数据集提炼方法，旨在降低大型基准数据集相关的存储和计算成本。提出的判别式原型引导扩散（DPD）框架利用扩散模型将海量数据集浓缩成更小、更具代表性的数据集。DPD通过提取原型、构建语义锚点并采用潜在分类器来选择最具判别力的生成图像，从而提高合成样本的质量。在三个场景分类基准上的实验证明了DPD在为下游模型训练创建逼真、多样化且具判别力的数据集方面的有效性。