DiRe：用于数据集浓缩的多样性促进正则化
计算机视觉与模式识别
2026-01-01 v2 机器学习
摘要
在数据集浓缩中，目标是从大型原始数据集合成一个小型数据集，以复制其训练效用。现有的浓缩方法合成的数据集具有显著的冗余性，因此迫切需要减少冗余并提高合成数据集的多样性。为此，我们提出了一种直观的多样性正则化器(DiRe)，由余弦相似度和欧氏距离组成，可以即插即用地应用于各种最先进的浓缩方法。通过大量实验，我们证明了添加我们的正则化器可以在从CIFAR-10到ImageNet-1K的各种基准数据集上以泛化性和多样性指标改进最先进的浓缩方法。
引用
@article{arxiv.2512.13083,
title = {DiRe: Diversity-promoting Regularization for Dataset Condensation},
author = {Saumyaranjan Mohanty and Aravind Reddy and Konda Reddy Mopuri},
journal= {arXiv preprint arXiv:2512.13083},
year = {2026}
}
备注
Accepted at WACV 2026. v2: Optimized figure assets to reduce PDF size, no content changes