遥感数据集蒸馏新框架 DPD 提出

Yonghao Xu 等作者提出判别性原型引导扩散（DPD）框架，首次将数据集蒸馏引入遥感图像解译，把大规模遥感数据集压缩为紧凑的蒸馏数据集。 该方法在潜空间提取各类别代表性原型，构建超球面语义锚点引导反向去噪轨迹，并用潜分类器按 logit-margin 准则筛选最具判别性的候选样本。作者称，在三个高分辨率遥感场景分类基准上的实验表明，该方法可蒸馏出真实、多样且具判别性的样本，代码与预训练模型已开源。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。