REFINE-CONTROL：条件图像生成的半监督蒸馏方法
计算机视觉与模式识别
2025-09-29 v1 人工智能
摘要
条件图像生成模型通过利用基于文本的控制生成定制化图像，已取得显著成果。然而，这些模型的高资源需求以及标注数据的匮乏阻碍了其在边缘设备上的部署，导致巨大成本和隐私问题，尤其是在用户数据被发送给第三方的情况下。为克服这些挑战，我们提出Refine-Control，一个半监督蒸馏框架。具体而言，我们通过引入三级知识融合损失来提升学生模型的性能，以传递不同层次的知识。为增强泛化能力并缓解数据集匮乏，我们引入了一种利用有标签和无标签数据的半监督蒸馏方法。实验结果表明，Refine-Control在保持高保真生成能力和可控性的同时，显著降低了计算成本和延迟，如对比指标所量化。
引用
@article{arxiv.2509.22139,
title = {REFINE-CONTROL: A Semi-supervised Distillation Method For Conditional Image Generation},
author = {Yicheng Jiang and Jin Yuan and Hua Yuan and Yao Zhang and Yong Rui},
journal= {arXiv preprint arXiv:2509.22139},
year = {2025}
}
备注
5 pages,17 figures