fidelity-diversity

本文提出了一种与生成器无关的生成后策展方法，通过将真实类别拆分为规范的同质子集和无冗余的异质子集，并基于保真度-多样性准则对合成图像进行评分，从而选取信息丰富的合成图像子集。该方法持续优于现有的数据选择基线，并且在合成样本数量减少多达40%的情况下，仍能达到与真实数据相当的性能。