Loading...
机构名称:
¥ 1.0

摘要。本文介绍了我们在ECCV 2024上首次数据集蒸馏挑战的生成轨迹的方法。由于扩散模型已成为生成模型的支柱,因为其高质量的生成效应,我们专注于基于扩散模型的蒸馏方法。考虑到该轨道只能使用Cifar-100和Tiny-Imagenet数据集的生成模型在10分钟内生成固定数量的图像,我们需要使用可以高速生成图像的生成模型。在这项研究中,我们提出了一种基于稳定扩散的新型生成数据集蒸馏方法。特定的是,我们使用SDXL-Turbo模型,该模型可以以高速和质量生成图像。与其他每类只能生成图像(IPC)= 1的扩散模型相比,我们的方法分别可以实现Tiny-Imagenet的IPC = 10和CIFAR-100的IPC = 20。此外,要生成用于CIFAR-100和Tiny-Imagenet的高质量蒸馏数据集,我们将类信息用作文本提示,并为SDXL-Turbo模型发布数据增强。实验性源显示了该方法的有效性,我们在ECCV 2024 DD挑战的生成轨迹中获得了第三名。代码可在https://github.com/guang000/banko上找到。

arxiv:2408.08610v1 [cs.cv] 2024年8月16日

arxiv:2408.08610v1 [cs.cv] 2024年8月16日PDF文件第1页

arxiv:2408.08610v1 [cs.cv] 2024年8月16日PDF文件第2页

arxiv:2408.08610v1 [cs.cv] 2024年8月16日PDF文件第3页

arxiv:2408.08610v1 [cs.cv] 2024年8月16日PDF文件第4页

arxiv:2408.08610v1 [cs.cv] 2024年8月16日PDF文件第5页

相关文件推荐

2024 年
¥8.0
2024 年
¥1.0
2024 年
¥9.0
2024 年
¥24.0
2024 年
¥6.0
2024 年
¥1.0