Brilliant 投稿
量子位 | 公眾號 QbitAI
AI生成的圖像太逼真，為什么不能拿來訓練AI呢？
可別說，現在還真有人這么做了。
來自香港大學、牛津大學和字節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、或是質量不穩定，他們還提出了幾類提升數據多樣性和可靠性的方法，幫助AI合成更好的數據集（來喂給AI的同類doge）。
結果他們發現，不僅效果不錯，有的AI在訓練后，效果竟然比用真實數據訓練還要好！
目前這篇論文已經被ICLR 2023收錄。
把AI生成的數據喂給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，并給出了提升數據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，用于增強合成數據多樣性。
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）的法確保合成數據的可靠性，即過濾掉合成質量不行的圖片，確保AI數據質量過硬。
在17個數據集上，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%），展示了合成數據的有效性。
少樣本圖像分類
少樣本圖像（Few-shot）分類任務，通常僅有極少數量（1～16張）的標類別圖，與零樣本任務的區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據（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（Real Guidance），進步發揮成模型的能，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，即將模型在量數據上進訓練，將訓練后的模型作為“起始點”，來幫助提升下游任務的性能。
作者們利合成數據，對模型進了預訓練，并對數據量、數據多樣性程度、預訓練模型結構和預訓練法進了實驗研究。
最終發現：
合成數據進預訓練。已經可以達到甚超越真實數據預訓練的效果。
更的數據量和數據多樣性的合成數據，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）、監督法（相比有監督法）會更適合合成數據下的預訓練。
論文認為，利成模型產的合成數據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和數據多樣性之間的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？
歡迎感興趣的小伙伴一起討論~
