Generative Datenaugmentierung mit Diffusionsmodellen: Effiziente Synthese vielfältiger und realitätsnaher Bilder für Klassifikationsaufgaben

DreamDA ermöglicht die Synthese hochqualitativer und vielfältiger Bilder, die der ursprünglichen Datenverteilung entsprechen, sowie die Generierung zuverlässiger Pseudolabels für die synthetischen Daten, um die Leistung von Klassifikationsmodellen zu verbessern.