SRe2L
收藏arXiv2024-02-12 更新2024-07-29 收录
下载链接：
https://github.com/VILA-Lab/SRe2L
下载链接
链接失效反馈官方服务：
资源简介：
SRe2L数据集是由穆罕默德·本·扎耶德人工智能大学创建的，通过Squeeze, Recover and Relabel (SRe2L)框架凝练而成。该数据集旨在通过凝练大型数据集为更小的代表性子集，以实现快速训练和简化存储，同时保留原始数据集的关键信息。SRe2L数据集包含50个图像每类，适用于多种模型架构和图像分辨率，展示了在任意分辨率下合成图像的灵活性，以及在合成高分辨率图像时低训练成本和内存消耗的能力。该数据集的应用领域广泛，旨在解决大型数据集处理中的效率问题，支持在资源受限环境中进行模型训练和评估。
提供机构：
穆罕默德·本·扎耶德人工智能大学
创建时间：
2023-06-23
原始信息汇总
大规模数据集蒸馏
数据集概述
- SCDD：自监督压缩方法用于数据集蒸馏。
- CDA：大规模数据时代的数据集蒸馏，arXiv:2311.18838。
- SRe<sup>2</sup>L（NeurIPS23 spotlight）：从新视角进行ImageNet规模的数据集蒸馏，包括压缩、恢复和重标记。
引用
@article{yin2023dataset, title={Dataset Distillation in Large Data Era}, author={Yin, Zeyuan and Shen, Zhiqiang}, journal={arXiv preprint arXiv:2311.18838}, year={2023} }
@inproceedings{yin2023squeeze, title={Squeeze, Recover and Relabel: Dataset Condensation at ImageNet Scale From A New Perspective}, author={Yin, Zeyuan and Xing, Eric and Shen, Zhiqiang}, booktitle={Thirty-seventh Conference on Neural Information Processing Systems}, year={2023}, }
