Copertina

Not All Samples Should Be Utilized Equally: Towards Understanding and Improving Dataset Distillation

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wang, Shaobo, Yang, Yantai, Wang, Qilong, Li, Kaixin, Zhang, Linfeng, Yan, Junchi
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Computer Vision and Pattern Recognition Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Towards Principled Dataset Distillation: A Spectral Distribution Perspective
di: Wu, Ruixi, et al.
Pubblicazione: (2026)

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

Unified Batch Normalization: Identifying and Alleviating the Feature Condensation in Batch Normalization and a Unified Framework
di: Wang, Shaobo, et al.
Pubblicazione: (2023)

DRUPI: Dataset Reduction Using Privileged Information
di: Wang, Shaobo, et al.
Pubblicazione: (2024)

UNSEEN: Enhancing Dataset Pruning from a Generalization Perspective
di: Xu, Furui, et al.
Pubblicazione: (2025)

NCT-CRC-HE: Not All Histopathological Datasets Are Equally Useful
di: Ignatov, Andrey, et al.
Pubblicazione: (2024)

Grounding and Enhancing Informativeness and Utility in Dataset Distillation
di: Wang, Shaobo, et al.
Pubblicazione: (2026)

Difficulty-guided Sampling: Bridging the Target Gap between Dataset Distillation and Downstream Tasks
di: Li, Mingzhuo, et al.
Pubblicazione: (2026)

SpeCa: Accelerating Diffusion Transformers with Speculative Feature Caching
di: Liu, Jiacheng, et al.
Pubblicazione: (2025)

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

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

Improving Noise Efficiency in Privacy-preserving Dataset Distillation
di: Zheng, Runkai, et al.
Pubblicazione: (2025)

Accelerating Diffusion Models with One-to-Many Knowledge Distillation
di: Zhang, Linfeng, et al.
Pubblicazione: (2024)

Information-Guided Diffusion Sampling for Dataset Distillation
di: Ye, Linfeng, et al.
Pubblicazione: (2025)

OmniScience: A Large-scale Multi-modal Dataset for Scientific Image Understanding
di: Tao, Haoyi, et al.
Pubblicazione: (2026)

Socratic-Geo: Synthetic Data Generation and Geometric Reasoning via Multi-Agent Interaction
di: Jiao, Zhengbo, et al.
Pubblicazione: (2026)

ImagebindDC: Compressing Multi-modal Data with Imagebind-based Condensation
di: Min, Yue, et al.
Pubblicazione: (2025)

Self-supervised Dataset Distillation: A Good Compression Is All You Need
di: Zhou, Muxin, et al.
Pubblicazione: (2024)

Region Prompt Tuning: Fine-grained Scene Text Detection Utilizing Region Text Prompt
di: Lin, Xingtao, et al.
Pubblicazione: (2024)

PDB: Not All Drivers Are the Same -- A Personalized Dataset for Understanding Driving Behavior
di: Wei, Chuheng, et al.
Pubblicazione: (2025)

RoboSense: Large-scale Dataset and Benchmark for Egocentric Robot Perception and Navigation in Crowded and Unstructured Environments
di: Su, Haisheng, et al.
Pubblicazione: (2024)

FineRMoE: Dimension Expansion for Finer-Grained Expert with Its Upcycling Approach
di: Liao, Ning, et al.
Pubblicazione: (2026)

DMGD: Train-Free Dataset Distillation with Semantic-Distribution Matching in Diffusion Models
di: Wang, Qichao, et al.
Pubblicazione: (2026)

Point2RBox-v3: Self-Bootstrapping from Point Annotations via Integrated Pseudo-Label Refinement and Utilization
di: Zhang, Teng, et al.
Pubblicazione: (2025)

Emphasizing Discriminative Features for Dataset Distillation in Complex Scenarios
di: Wang, Kai, et al.
Pubblicazione: (2024)

Multi-Modal Character Localization and Extraction for Chinese Text Recognition
di: Li, Qilong, et al.
Pubblicazione: (2026)

STAR: A First-Ever Dataset and A Large-Scale Benchmark for Scene Graph Generation in Large-Size Satellite Imagery
di: Li, Yansheng, et al.
Pubblicazione: (2024)

Boundary Matters: A Bi-Level Active Finetuning Framework
di: Lu, Han, et al.
Pubblicazione: (2024)

FD$^2$: A Dedicated Framework for Fine-Grained Dataset Distillation
di: Ma, Hongxu, et al.
Pubblicazione: (2026)

COLUMBUS: Evaluating COgnitive Lateral Understanding through Multiple-choice reBUSes
di: Kraaijveld, Koen, et al.
Pubblicazione: (2024)

Label-Augmented Dataset Distillation
di: Kang, Seoungyoon, et al.
Pubblicazione: (2024)

MVU-Eval: Towards Multi-Video Understanding Evaluation for Multimodal LLMs
di: Peng, Tianhao, et al.
Pubblicazione: (2025)

D3S2: Diffusion-Guided Dataset Distillation for Semantic Segmentation
di: Zheng, Wenjie, et al.
Pubblicazione: (2026)

Mitigating Bias in Dataset Distillation
di: Cui, Justin, et al.
Pubblicazione: (2024)

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

Robust Noisy Label Learning via Two-Stream Sample Distillation
di: Bai, Sihan, et al.
Pubblicazione: (2024)

Towards Understanding Unsafe Video Generation
di: Pang, Yan, et al.
Pubblicazione: (2024)

Dataset Distillation via Committee Voting
di: Cui, Jiacheng, et al.
Pubblicazione: (2025)

SDAR-VL: Stable and Efficient Block-wise Diffusion for Vision-Language Understanding
di: Cheng, Shuang, et al.
Pubblicazione: (2025)

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