视觉数据集中的数据泄漏
计算机视觉与模式识别
2025-08-26 v1
摘要
我们分析了视觉数据集中的数据泄漏现象。数据泄漏指的是评估基准数据集中的图像在训练期间被看到，从而损害了公平模型评估的可靠性。鉴于大规模数据集常常来自互联网，而许多计算机视觉基准测试在公开场合可用，我们的工作聚焦于识别和研究这一现象。我们根据数据泄漏的模态、覆盖范围和程度对视觉泄漏进行了不同类型的特征化。通过应用图像检索技术，我们明确显示所有分析过的数据集都呈现出某种形式的泄漏，且所有类型的数据泄漏——从严重的实例到更微妙的案例——都会损害下游任务中模型评估的可靠性。
引用
@article{arxiv.2508.17416,
title = {Data Leakage in Visual Datasets},
author = {Patrick Ramos and Ryan Ramos and Noa Garcia},
journal= {arXiv preprint arXiv:2508.17416},
year = {2025}
}