用扩散模型进行图像分类：一种预训练方法
机器学习
2025-05-13 v1 计算机视觉与模式识别
图像与视频处理
摘要
本文提出一种扩散模型，集成了表示条件机制，其中从视觉转换器（ViT）中派生的表示用于条件化基于转换器的扩散模型的内部过程。这种方法实现了表示条件化的数据生成，解决了需要大规模标记数据集的挑战，同时利用无标签数据进行自监督学习。我们通过血肿检测脑部影像的零样本分类任务评估了该方法。与强大的对比学习基线DINOv2相比，我们的方法在准确率上实现了+6.15%的显著提升，在F1-score上实现了+13.60%的提升，证明了其在图像分类中的有效性。
引用
@article{arxiv.2505.06890,
title = {Image Classification Using a Diffusion Model as a Pre-Training Model},
author = {Kosuke Ukita and Ye Xiaolong and Tsuyoshi Okita},
journal= {arXiv preprint arXiv:2505.06890},
year = {2025}
}
备注
10 pages, 9 figures