基于双重 IP-Adapter 引导的免训练合成数据生成
计算机视觉与模式识别
2025-09-29 v1 机器学习
摘要
由于标注样本数量有限，少样本图像分类仍然具有挑战性。最近的方法探索了使用文本到图像扩散模型生成合成训练数据，但通常需要大量的模型微调或外部信息源。我们提出了一种名为 DIPSY 的新型免训练方法，该方法利用 IP-Adapter 进行图像到图像转换，仅使用可用的少样本样本即可生成具有高判别性的合成图像。DIPSY 引入了三项关键创新：(1) 一种扩展的无分类器引导方案，能够对正向和负向图像条件进行独立控制；(2) 一种基于类别相似性的采样策略，用于识别有效的对比样本；(3) 一个简单而有效的流程，无需模型微调或外部描述和过滤。在十个基准数据集上的实验表明，我们的方法实现了最先进或可比的性能，同时消除了生成模型适应的需求或依赖外部工具进行描述生成和图像过滤的需求。我们的结果突出了利用带有正负引导的双重图像提示来生成类别判别性特征的有效性，特别是在细粒度分类任务中。
引用
@article{arxiv.2509.22635,
title = {Training-Free Synthetic Data Generation with Dual IP-Adapter Guidance},
author = {Luc Boudier and Loris Manganelli and Eleftherios Tsonis and Nicolas Dufour and Vicky Kalogeiton},
journal= {arXiv preprint arXiv:2509.22635},
year = {2025}
}
备注
BMVC 2025. Project page: https://www.lix.polytechnique.fr/vista/projects/2025_bmvc_dipsy/