仅用一个现成的文本到图像扩散模型合成带标签数据，即可让任意图像分类器跨领域和类别适配，无需为每个任务重复收集和标注真实源数据。
Chen, Weijie · Haoyu, Wang · Yang, Shicai · Zhang, Lei · 魏巍 · 张艳宁 · 林洛君 · Xie, Di · 庄越挺
IEEE Transactions on Big Data 2025
利用同一个现成文生图扩散模型合成任意任务的带标签数据，作为源数据替代，实现一对多的适配范式，无需为每个任务单独训练生成器或收集真实源数据。
实验证明，使用合成数据适配的分类器甚至超过了使用真实收集和标注的源数据的最新域适应方法，说明合成数据可以比真实数据更有效。
无需为每个分类任务收集和标注源数据，只需目标领域无标签数据和预训练扩散模型即可完成适配，大幅降低数据准备成本和人工标注工作。