CIEGAD：面向几何感知与领域对齐的数据增强的聚类条件插值-外推框架
机器学习
2025-12-12 v1 计算与语言
摘要
在实际深度学习部署中，数据稀缺和标签分布不平衡常导致数据分布中语义未覆盖的区域，阻碍模型训练，并在类别边界附近导致误分类以及在外围区域表现不稳定。尽管最近的大型语言模型(LLM) 在数据增强方面显示出前景，但尚未建立集成框架能够同时实现生成的方向性控制、领域对齐和质量控制。为此，我们提出一种面向几何感知与领域对齐的数据增强的聚类条件插值-外推框架(CIEGAD)，系统性地补充了分布内和分布外语义未覆盖的区域。CIEGAD 通过聚类条件构建领域轮廓，采用层次化频率-几何分配整合类别频率和几何指标进行生成分配，via 共存的插值与外推合成细致控制生成方向。进一步通过几何约束过滤结合 LLM 作为评判机制进行质量控制。多个分类任务上的实验表明，CIEGAD 有效扩展了现实数据分布的外围范围，同时保持生成数据与真实数据之间的高对齐度和语义多样性。特别地，对于长尾和多类别分类任务，CIEGAD 稳定提升 F1 和召回率，验证了分布一致性、多样性与质量的三和谐。这些结果表明，CIEGAD 作为一种面向实际应用的数据增强框架，能够在保持与真实数据对齐的前提下补充欠代表征的区域。
引用
@article{arxiv.2512.10178,
title = {CIEGAD: Cluster-Conditioned Interpolative and Extrapolative Framework for Geometry-Aware and Domain-Aligned Data Augmentation},
author = {Keito Inoshita and Xiaokang Zhou and Akira Kawai and Katsutoshi Yada},
journal= {arXiv preprint arXiv:2512.10178},
year = {2025}
}