该研究提出了一种新颖的图像数据集压缩方法，结合剪枝、合并和增强技术，实现了高达90%的数据集大小减少，同时保持模型性能。
本文介绍了一种新的基于核的元学习框架，利用无限宽卷积神经网络在数据集压缩中取得了优异成果。研究分析了多个数据集的压缩效果，并提出了改进合成训练数据泛化性能的方法，通过课程数据增强和新评估方法ELF，显著提升了在大规模数据集上的准确性，推动了数据集蒸馏技术的发展。
完成下面两步后，将自动完成登录并继续当前操作。
