Drifting将ImageNet每类压缩至10张
热点事件持续更新
Drifting将ImageNet每类压缩至10张
2 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
GCazenavette团队在NeurIPS 2026发表《Dataset Distillation via Drifting》，用从噪声优化生成的合成图像替代原始训练图教授模型分类；在ImageNet上，每类约1300张图被压缩为10张，压缩率达130:1。 后续报道称，该方法在蒸馏基准上刷新分类准确率纪录，基于Drifting Generative Models的后续工作还获得ECCV 2026 Art Gallery奖；例如仅用10张合成图即可让模型识别海葵类别。
AI 根据报道生成 · 49 分钟前更新
最新进展11月14日 03:34
10 张图学会一整类：Drifting 数据集蒸馏刷新 SOTA 并获 ECCV 奖项事件进展
2 个进展
- 11月14日 03:34 · 1 篇报道Drifting数据集蒸馏刷新SOTAAGI Hunt：10 张图学会一整类：Drifting 数据集蒸馏刷新 SOTA 并获 ECCV 奖项
- 11月14日 03:25 · 1 篇报道发表数据集蒸馏研究AGI Hunt：NeurIPS 论文：数据集蒸馏将 ImageNet 每类 1300 张压缩至 10 张
报道时间线
沿着报道，了解事件的不同侧面。
11月14日
- AGI Hunt10 张图学会一整类：Drifting 数据集蒸馏刷新 SOTA 并获 ECCV 奖项
NeurIPS 2026 论文《Dataset Distillation via Drifting》把 ImageNet 每类 1300 张图蒸馏为仅 10 张从噪声优化出的图像。基于 Drifting Generative Models 的后续工作获 ECCV 2026 Art Gallery 奖，并在蒸馏基准上刷新 SOTA，分类准确率前所未有，例如只用 10 张图就能教会模型认识海葵。
- AGI HuntNeurIPS 论文：数据集蒸馏将 ImageNet 每类 1300 张压缩至 10 张
GCazenavette 团队在 NeurIPS 2026 发表论文《Dataset Distillation via Drifting》，利用从噪声优化生成的合成图像教授模型识别类别。研究将 ImageNet 每类约 1300 张原始图片压缩为每类 10 张，达到 130:1 的数据压缩率。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。