拡散モデルの学習データを大幅削減、EigDiffが提案
原題 EigDiff: Eigensample Diffusion - or how to significantly reduce training dataset size with marginal performance variation?
拡散モデルは大規模データと高い学習コストが前提だが、EigDiffは固有サンプルを使って学習データ量を大きく減らしつつ性能低下を小さく抑えると主張する論文。計算資源の節約が狙い。
論点
データ削減で画像生成の民主化は進むか
- コメントを読み込み中…
議論のヒントを見る
賛成側の視点
データも計算も減れば、巨大企業以外にも生成AIの扉が開く。反対側の視点
削った分は評価で見えない部分に出る。偏りと多様性の損失が怖い。
みんなのコメント 件
コメントを書く