AI 生成的圖像太逼真，為什么不能拿來訓練 AI 呢？
可別說，現(xiàn)在還真有人這么做了。
來自香港大學、牛津大學和字節(jié)跳動的幾名研究人員，決定嘗試一下能否使用高質量 AI 合成圖片，來提升圖像分類模型的性能。
為了避免 AI 合成的圖像過于單一、或是質量不穩(wěn)定，他們還提出了幾類提升數(shù)據(jù)多樣性和可靠性的方法，幫助 AI 合成更好的數(shù)據(jù)集（來喂給 AI 的同類 doge）。
結果他們發(fā)現(xiàn)，不僅效果不錯，有的 AI 在訓練后，效果竟然比用真實數(shù)據(jù)訓練還要好！
目前這篇論文已經被 ICLR 2023 收錄。
把 AI 生成的數(shù)據(jù)喂給 AI
作者們分別從零樣本（zero-shot）、少樣本（few-shot）圖像分類、模型預訓練（pre-training）與遷移學習三個??進?了探討，并給出了提升數(shù)據(jù)多樣性與可靠性的方法。
零樣本圖像分類
零樣本（Zero-shot）圖像分類任務，指沒有任何?標類別的訓練圖?，只有對?標類別的描述。
作者們先是提出了一種名為語言增強（Language Enhancement，LE）的?法，用于增強合成數(shù)據(jù)多樣性。
具體來說，這種方法會給標簽“擴句”，如果原標簽是簡單的“飛機”，那么經過“擴句”后的提示詞就會變成“一架盤旋在海灘和城市上空的白色飛機”。
隨后，還采用了一種叫做 CLIP 過濾器（CLIP Filter）的?法確保合成數(shù)據(jù)的可靠性，即過濾掉合成質量不行的圖片，確保 AI 數(shù)據(jù)質量過硬。
在 17 個數(shù)據(jù)集上，相?此前效果最好的 CLIP 模型，相關??模型均獲得了顯著提升（4.31%/2.90%），展示了合成數(shù)據(jù)的有效性。
少樣本圖像分類
少樣本圖像（Few-shot）分類任務，通常僅有極少數(shù)量（1～16 張）的?標類別圖?，與零樣本任務的區(qū)別是增加了類別與任務特定領域信息。
因此，作者們決定將域內數(shù)據(jù)（in-domain）的知識?于圖像?成，即將少量的?標類別圖??于噪聲疊加的初始狀態(tài)（Real Guidance），進?步發(fā)揮?成模型的能?，從而進?步提升性能。
預訓練與遷移學習
模型預訓練（pre-training）任務，即將模型在?量數(shù)據(jù)上進?訓練，將訓練后的模型作為“起始點”，來幫助提升下游任務的性能。
作者們利?合成數(shù)據(jù)，對模型進?了預訓練，并對數(shù)據(jù)量、數(shù)據(jù)多樣性程度、預訓練模型結構和預訓練?法進?了實驗研究。
最終發(fā)現(xiàn)：
?合成數(shù)據(jù)進?預訓練。已經可以達到甚?超越?真實數(shù)據(jù)預訓練的效果。
?更?的數(shù)據(jù)量和數(shù)據(jù)多樣性的合成數(shù)據(jù)，可以獲得更好的預訓練效果。
從模型結構和預訓練?法來看，ViT-based 模型（相比 convolutional-based 模型）、?監(jiān)督?法（相比有監(jiān)督?法）會更適合合成數(shù)據(jù)下的預訓練。
論文認為，利??成模型產?的合成數(shù)據(jù)來幫助圖像分類任務是可行的，不過也存在?定的局限性。
例如，如何處理特定任務的 domain gap 和數(shù)據(jù)多樣性之間的 trade-off，以及如何更有效地利?潛在?窮量的合成圖??于預訓練，都是需要進一步去解決的問題。
作者介紹
一作何睿飛，香港大學在讀博士生 @CVMI Lab，指導老師為齊曉娟老師，本科畢業(yè)于浙江大學竺可楨學院，研究方向是 data-efficient learning, vision-language model, knowledge distillation, semi / self-supervised learning。CVMI Lab 正在招收計算機視覺與深度學習方向的博士生，感興趣的伙伴可以直接 email 老師！
對于將 AI 合成圖像用于預訓練模型這件事，你還能想到更高效的方法嗎？
論文地址：
https://arxiv.org/abs/2210.07574
項目地址：
https://github.com/CVMI-Lab/SyntheticData
本文來自微信公眾號：量子位 （ID：QbitAI），作者：關注前沿科技
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。