从障碍到资源：面向合成数据污染的半监督学习
计算机视觉与模式识别
2024-12-02 v2
摘要
半监督学习 (SSL) 可通过利用无标签图像来提高模型性能，而这些图像可从具有低成本的公共图像源中收集。近年来，由于生成模型的快速进步，合成图像在公共图像源中越来越常见。因此，纳入用于 SSL 的无标签数据中的现有合成图像已成为不可避免的事实。如何影响这种污染对 SSL 的影响尚未探讨。在本文中，我们提出一个新任务，即实用-合成混合 SSL (RS-SSL)，以探讨无标签数据被合成图像污染对 SSL 的影响。首先，我们建立了一个新的 RS-SSL 基准，用于评估当前 SSL 方法，发现它们在利用无标签合成图像时难以提升，甚至有时会产生负面影响。为此，我们提出了 RSMatch，一种专为处理 RS-SSL 挑战而设计的新型 SSL 方法。RSMatch 有效识别无标签合成数据，并进一步利用它们进行改进。大量实验结果表明，RSMatch 能够将合成无标签数据从“障碍”转化为“资源”。通过消融研究和可视化结果进一步验证了其有效性。
引用
@article{arxiv.2405.16930,
title = {From Obstacles to Resources: Semi-supervised Learning Faces Synthetic Data Contamination},
author = {Zerun Wang and Jiafeng Mao and Liuyu Xiang and Toshihiko Yamasaki},
journal= {arXiv preprint arXiv:2405.16930},
year = {2024}
}