Meta-DM：扩散模型在少样本学习中的应用
机器学习
2023-05-16 v1 计算机视觉与模式识别
摘要
在少样本学习（FSL）领域，大量研究聚焦于改进网络结构与训练策略。然而，数据处理模块的作用尚未被充分探索。因此，本文中我们提出 Meta-DM，一种基于扩散模型的面向 FSL 问题的通用数据处理模块。Meta-DM 是一个简单而有效的模块，可轻松与现有 FSL 方法集成，从而在监督与无监督设定下均带来显著性能提升。我们对 Meta-DM 给出理论分析，并在若干算法上评估其性能。实验表明，将 Meta-DM 与某些方法结合可取得最先进结果。
引用
@article{arxiv.2305.08092,
title = {Meta-DM: Applications of Diffusion Models on Few-Shot Learning},
author = {Wentao Hu and Xiurong Jiang and Jiarun Liu and Yuqi Yang and Hui Tian},
journal= {arXiv preprint arXiv:2305.08092},
year = {2023}
}