[2025CVPR]CCFS:高IPC数据集蒸馏的课程式粗细筛选技术解析
一、论文结构与核心问题
研究背景:
数据集蒸馏(DD)在小规模IPC(每类图像数)表现优异,但在高IPC场景(如IPC>50)存在严重性能衰减:
- 传统DD缺陷:仅蒸馏简单通用特征,忽略复杂特征
- 组合范式瓶颈:现有方法(如SelMatch)采用固定+单次选择策略导致:
- 蒸馏数据与真实数据不兼容
- 特征补充效率低
创新方案:
提出课程式粗细筛选(CCFS):
研究背景:
数据集蒸馏(DD)在小规模IPC(每类图像数)表现优异,但在高IPC场景(如IPC>50)存在严重性能衰减:
创新方案:
提出课程式粗细筛选(CCFS):