直接剪枝：利用层次类别剪枝加速扩散分类器
计算机视觉与模式识别
2025-03-11 v2 人工智能
机器学习
摘要
扩散模型因其生成能力而备受赞誉，最近通过使用贝叶斯定理在图像分类任务中展现出了惊人的有效性。然而，当前的扩散分类器必须对每个输入的所有标签候选进行评估，造成了高昂的计算成本，阻碍了其在大规模应用中的使用。为了解决这一局限性，我们提出了一种层次扩散分类器（HDC），它利用数据集中的层次标签结构或明确定义的父子关系。通过剪枝不相关的高层类别并仅在相关子类别（叶节点和子树）内细化预测，HDC 减少了类别评估的总数。因此，HDC 可以将推理速度提高多达 60%，同时保持甚至有时提高分类准确性。总之，我们的工作提供了一种在速度和精度之间可调的控制机制，使基于扩散的分类对于大规模应用更为可行。
引用
@article{arxiv.2411.12073,
title = {Just Leaf It: Accelerating Diffusion Classifiers with Hierarchical Class Pruning},
author = {Arundhati S. Shanbhag and Brian B. Moser and Tobias C. Nauen and Stanislav Frolov and Federico Raue and Andreas Dengel},
journal= {arXiv preprint arXiv:2411.12073},
year = {2025}
}