无需真实数据，通过优化 Dead Leaves 生成高信息量样本
mbsariyildiz · x · 2026-09-01
研究者提出了一种新方法 IDeaL，旨在解决多教师蒸馏（如 UNIC）中需要访问教师训练数据的问题（当数据私有、已授权或丢失时）。核心思想是将像素视为可学习参数，通过冻结的教师模型（如 DINO、iBOT）优化 Dead Leaves 生成的合成图像。生成的样本虽然不真实，但包含最大化的信息量，能够有效用于知识蒸馏。
所属事件:ECCV 论文 IDeaL 实现零真实图像的多教师蒸馏(4 条相关)→
「模型」频道最新
- 付费 Google AI 订阅撞墙：自定义域名账户被要求转个人账号 — ChrisRackauckas · 2026-10-18
- 560B MoE 塞进 4 台 DGX Spark:Ling 3.1 Flash 用 llama.cpp RPC 跑通 — BerryBlush_Rogers691 · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- Polymarket 开盘押注下一款 Gemini 模型由谁发布 — Polymarket · 2026-10-18
- Grok 一本正经盘点:对亚裔等群体有歧视,对非洲拉美用户没有 — teortaxesTex · 2026-10-18
- 「刷榜式 demo」鉴别法：换用 Mirror's Edge 场景测模型泛化 — teortaxesTex · 2026-10-18