生成式数据增强的统一框架：一项综合性综述
机器学习
2024-04-23 v2 人工智能
摘要
生成式数据增强（GDA）已成为缓解机器学习应用中数据稀缺的一种有前景的技术。本文提出了一项关于 GDA 领域的综合性综述与统一框架。我们首先概述 GDA，讨论其动机、分类法以及与合成数据生成的关键区别。随后我们系统分析 GDA 的关键方面——生成模型的选择、利用它们的方法、数据选择方法论、验证途径以及多样应用。我们提出的统一框架对大量 GDA 文献进行分类，揭示了诸如缺乏通用基准等空白。本文总结了有前景的研究方向，包括有效的数据选择、大规模模型在 GDA 中应用的理论发展以及建立 GDA 基准。通过奠定结构化基础，本文旨在培育更凝聚的发展并加速这一重要领域——生成式数据增强——中的进展。
引用
@article{arxiv.2310.00277,
title = {A Unified Framework for Generative Data Augmentation: A Comprehensive Survey},
author = {Yunhao Chen and Zihui Yan and Yunjie Zhu},
journal= {arXiv preprint arXiv:2310.00277},
year = {2024}
}