arXiv · 机器人与计算机视觉· Mingzhuo Li, Guang Li, Longzhen Li, Ren Togo, Keisuke Maeda, Takahiro Ogawa, Miki Haseyama·· 22 天前AI 评分43
Foreground-Aware Dataset Distillation via Dual-Path Patch Selection 提出内容自适应双路径补丁选择方法,在 CIFAR-10/100、ImageNette 及 ImageWoof 数据集上优于 RDED 基线。该方法利用 Grounded SAM2 估计前景占用率并路由至候选裁剪或直接变换路径,有效减少冗余背景并保留前景结构完整性。
Foreground-Aware Dataset Distillation via Dual-Path Patch Selection
AI 导读
Foreground-Aware Dataset Distillation via Dual-Path Patch Selection 提出内容自适应双路径补丁选择方法,在 CIFAR-10、CIFAR-100、ImageNette 和 ImageWoof 数据集上优于 RDED 基线。
来源:arXiv · 机器人与计算机视觉 · arxiv.org