通过扩散驱动的patch选择实现高效的数据集蒸馏以改善泛化能力

本研究解决了在大数据集和复杂深度网络中数据集蒸馏的性能局限性。提出了一种新颖的框架，通过扩散模型进行图像选择，而非生成，从而简化蒸馏过程。实验证明，该方法在多个指标上超越了最先进的技术，具有显著的实际应用价值。