10 张图学会一整类：Drifting 数据集蒸馏拿下 SOTA 并获 ECCV 奖项

giannis_daras · x · 2026-11-14

NeurIPS 2026 论文《Dataset Distillation via Drifting》（GCazenavette）把 ImageNet 每类 1300 张图蒸馏成仅 10 张从噪声优化出的图像；ECCV 2026 Art Gallery 获奖的后续工作进一步问：能否优化一小组图像，使其在预训练特征空间中最优覆盖整个数据集？

团队发现 Minyang 等提出的 Drifting Generative Models 可被用于这一数据集蒸馏目标——结果不仅视觉惊艳，还在蒸馏基准上刷新 SOTA，分类准确率前所未有（目标：用 N 张图训练的分类器达到最高测试精度）。例如只用 10 张图就能教会模型认识海葵。