arXiv · 机器人与计算机视觉· Patryk Bartkowiak, Dominik Michels, S\"oren Pirk, Wojciech Pa{\l}ubicki·· 24 天前AI 评分48
Fast and Useful:适配蒸馏生成器以优化视觉模型训练数据质量
Fast and Useful: Adapting Distilled Generators for Visual Learning
AI 导读
该方法通过低秩更新调整 FLUX.2-klein 和 SD-Turbo 等蒸馏生成器的首步预测,使其输出更接近未引导基座模型的中间状态。在 ImageNet-1k 全规模下,ResNet-50 分类器 Top-1 准确率从 8.4% 提升至 34.2%,显著优于直接使用发布版学生模型生成的数据。该适配策略跨三个生成器家族有效提升了视觉模型训练效果,且固定适配器对细粒度数据集同样适用。
来源:arXiv · 机器人与计算机视觉 · arxiv.org