最新《生成式数据增强的统一框架》综述，85页pdf

生成式数据增强（GDA）已成为缓解机器学习应用中数据稀缺问题的有前景技术。本论文提供了GDA领域的全面综述和统一框架。首先，我们简要介绍GDA，讨论其动机、分类法和与合成数据生成的主要区别。接下来，我们系统地分析了GDA的关键方面 - 选择生成模型、使用它们的技术、数据选择方法、验证方法以及各种应用。我们提议的统一框架对广泛的GDA文献进行了分类，揭示了例如缺乏通用基准的缺口。这篇论文总结了有前景的研究方向，包括有效的数据选择、大规模模型在GDA中的应用的理论发展和为GDA建立基准。通过建立一个结构化的基础，本论文旨在促进生成式数据增强这一重要领域的更有凝聚力的发展和加快进展。在当代机器学习领域中，深度学习算法已经成为众多任务的强大工具，展示了前所未有的准确性和能力[1; 2; 3]。然而，它们效能的 ………………………………