Buchumschlag

Group Distributionally Robust Dataset Distillation with Risk Minimization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Vahidian, Saeed, Wang, Mingyu, Gu, Jianyang, Kungurtsev, Vyacheslav, Jiang, Wei, Chen, Yiran
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Artificial Intelligence Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Dataset Distillation via Minimax Diffusion
von: Gu, Jianyang, et al.
Veröffentlicht: (2023)

CONCORD: Concept-Informed Diffusion for Dataset Distillation
von: Gu, Jianyang, et al.
Veröffentlicht: (2025)

Exploring the Impact of Dataset Bias on Dataset Distillation
von: Lu, Yao, et al.
Veröffentlicht: (2024)

Taming Diffusion for Dataset Distillation with High Representativeness
von: Zhao, Lin, et al.
Veröffentlicht: (2025)

Dataset Distillation from First Principles: Integrating Core Information Extraction and Purposeful Learning
von: Kungurtsev, Vyacheslav, et al.
Veröffentlicht: (2024)

On the Diversity and Realism of Distilled Dataset: An Efficient Dataset Distillation Paradigm
von: Sun, Peng, et al.
Veröffentlicht: (2023)

Towards Diverse Device Heterogeneous Federated Learning via Task Arithmetic Knowledge Integration
von: Morafah, Mahdi, et al.
Veröffentlicht: (2024)

Hyperbolic Dataset Distillation
von: Li, Wenyuan, et al.
Veröffentlicht: (2025)

Distilling Out-of-Distribution Robustness from Vision-Language Foundation Models
von: Zhou, Andy, et al.
Veröffentlicht: (2023)

Generative Dataset Distillation Based on Self-knowledge Distillation
von: Li, Longzhen, et al.
Veröffentlicht: (2025)

Mitigating Bias in Dataset Distillation
von: Cui, Justin, et al.
Veröffentlicht: (2024)

Distilling Dataset into Neural Field
von: Shin, Donghyeok, et al.
Veröffentlicht: (2025)

Unlocking Dataset Distillation with Diffusion Models
von: Moser, Brian B., et al.
Veröffentlicht: (2024)

Dataset Distillation via the Wasserstein Metric
von: Liu, Haoyang, et al.
Veröffentlicht: (2023)

Importance-Aware Adaptive Dataset Distillation
von: Li, Guang, et al.
Veröffentlicht: (2024)

Generative Dataset Distillation Based on Diffusion Model
von: Su, Duo, et al.
Veröffentlicht: (2024)

Distill the Best, Ignore the Rest: Improving Dataset Distillation with Loss-Value-Based Pruning
von: Moser, Brian B., et al.
Veröffentlicht: (2024)

A Study in Dataset Distillation for Image Super-Resolution
von: Dietz, Tobias, et al.
Veröffentlicht: (2025)

SAS: Semantic-aware Sampling for Generative Dataset Distillation
von: Li, Mingzhuo, et al.
Veröffentlicht: (2026)

PRISM: Diversifying Dataset Distillation by Decoupling Architectural Priors
von: Moser, Brian B., et al.
Veröffentlicht: (2025)

Distill Gold from Massive Ores: Bi-level Data Pruning towards Efficient Dataset Distillation
von: Xu, Yue, et al.
Veröffentlicht: (2023)

Task-Specific Generative Dataset Distillation with Difficulty-Guided Sampling
von: Li, Mingzhuo, et al.
Veröffentlicht: (2025)

Soft Label Pruning and Quantization for Large-Scale Dataset Distillation
von: Lingao, Xiao, et al.
Veröffentlicht: (2026)

Dataset Distillation with Neural Characteristic Function: A Minmax Perspective
von: Wang, Shaobo, et al.
Veröffentlicht: (2025)

Generative Dataset Distillation: Balancing Global Structure and Local Details
von: Li, Longzhen, et al.
Veröffentlicht: (2024)

Dataset Distillation for Pre-Trained Self-Supervised Vision Models
von: Cazenavette, George, et al.
Veröffentlicht: (2025)

DASH: Dual-Branch Score Distillation for Guidance-Calibrated Compact Diffusion Models
von: Shafi, Abdullah Al, et al.
Veröffentlicht: (2026)

FairDD: Fair Dataset Distillation
von: Zhou, Qihang, et al.
Veröffentlicht: (2024)

Dataset Distillation via Curriculum Data Synthesis in Large Data Era
von: Yin, Zeyuan, et al.
Veröffentlicht: (2023)

Accelerating Large-Scale Dataset Distillation via Exploration-Exploitation Optimization
von: Alahmadi, Muhammad J., et al.
Veröffentlicht: (2026)

BLADE: Block-Sparse Attention Meets Step Distillation for Efficient Video Generation
von: Gu, Youping, et al.
Veröffentlicht: (2025)

DARK: Diagonal-Anchored Repulsive Knowledge Distillation for Vision-Language Models under Extreme Compression
von: Saeed, Numan, et al.
Veröffentlicht: (2026)

PHI-S: Distribution Balancing for Label-Free Multi-Teacher Distillation
von: Ranzinger, Mike, et al.
Veröffentlicht: (2024)

DELT: A Simple Diversity-driven EarlyLate Training for Dataset Distillation
von: Shen, Zhiqiang, et al.
Veröffentlicht: (2024)

Multi-Level Feature Distillation of Joint Teachers Trained on Distinct Image Datasets
von: Iordache, Adrian, et al.
Veröffentlicht: (2024)

Closed-Form Linear-Probe Dataset Distillation for Pre-trained Vision Models
von: Peng, Bincheng, et al.
Veröffentlicht: (2026)

SAFE-KD: Risk-Controlled Early-Exit Distillation for Vision Backbones
von: Khazem, Salim
Veröffentlicht: (2026)

Dynamic Temperature Knowledge Distillation
von: Wei, Yukang, et al.
Veröffentlicht: (2024)

Diversity-Driven Generative Dataset Distillation Based on Diffusion Model with Self-Adaptive Memory
von: Li, Mingzhuo, et al.
Veröffentlicht: (2025)

DeiT-LT Distillation Strikes Back for Vision Transformer Training on Long-Tailed Datasets
von: Rangwani, Harsh, et al.
Veröffentlicht: (2024)