DDFAD：音频数据的数据集蒸馏框架
原文中文，约200字，阅读约需1分钟。发表于：。基于深度神经网络的数据集提炼框架用于音频数据，通过匹配培训轨迹提炼方法提取 FD-MFCC 作为音频数据的特征，并基于 Griffin-Lim 算法提供音频信号重构算法。DDFAD 在各种音频数据集上展示了其有效性，并在持续学习和神经架构搜索等多个应用中展示了其有前景的应用前景。
我们提出了一种结合潜在空间扩散模型和数据集精炼的潜在数据集精炼方法（LD3M），在多个 ImageNet 子集和高分辨率图像上实验表明，LD3M 在 1 个和 10 个图像每类的情况下，相比最先进的精炼技术，提高了最高 4.8 个百分点和 4.2 个百分点的性能。
