هل البيانات المصنعة من نماذج التوزيع جاهزة للتبخير المعرفي؟

حققت نماذج الانتشار أداءً مذهلاً مؤخرًا في توليد صور عالية الدقة وشبه الحقيقية. بالنظر إلى نجاحها الكبير، لا يزال غير واضح ما إذا كانت الصور المصنعة قابلة للاستخدام في تقليص المعرفة عندما تكون الصور الحقيقية غير متاحة.在这篇论文中，我们广泛研究了在无法访问真实图像的情况下，是否以及如何可以使用来自最先进扩散模型的合成图像进行知识蒸馏，并得出了三个关键结论：(1) 来自扩散模型的合成数据可以在现有的基于合成的蒸馏方法中轻松实现最先进性能，(2) 低保真度的合成图像是更好的教学材料，(3) 相对较弱的分类器是更好的教师。代码可在 https://github.com/zhengli97/DM-KD 获取。考虑到您的要求，以下是经过调整后的阿拉伯语翻译：في هذه الورقة البحثية، نقوم بدراستها الواسعة حول إمكانية استخدام الصور المصنعة التي تم إنتاجها من خلال نماذج الانتشار الأكثر تقدمًا في تقليص المعرفة دون الوصول إلى الصور الحقيقية، وقد خلصنا إلى ثلاثة استنتاجات رئيسية: (1) يمكن للبيانات المصنعة من نماذج الانتشار أن تحقق بسهولة أداءً رائدًا بين طرق التقليص القائمة على التكوين (synthesis-based distillation methods)، (2) الصور المصنعة ذات الدقة المنخفضة هي مواد تعليمية أفضل، و(3) تصنيفات النماذج الأقل قوة نسبيًا هي معلمات أفضل. الرمز البرمجي متاح على الرابط: https://github.com/zhengli97/DM-KD.