【标题】扩散模型生成数据对图像识别的影响

1. 总体介绍

发展现状： 扩散模型已经可以生成高质量的样本，之前有人研究过生成数据对cv的作用，但是局限于小领域和小规模。
研究目的： 扩散样本对视觉领域的作用，手工标注的样本昂贵、有隐私和安全风险。
探讨方向： 生成样本对cv有用，具体哪方面有用？实验分为三个部分，zero-shot、few-shot和pretrain

2. zero-shot

研究目的：多大程度上影响 & 如何更好的利用数据

3. few-shot

4. 预训练模型

5. 结论

合成数据可以促进image recognition，合成数据在预训练方面甚至超过imagenet。
局限性： 受限于资源无法计算更大尺寸，和图片大小