🔗 因果推理

🎞️ ECCV2026 · 1 篇论文解读

📌 同领域跨会议浏览： 📷 CVPR2026 (4) · 🔬 ICLR2026 (63) · 💬 ACL2026 (7) · 🧪 ICML2026 (19) · 🤖 AAAI2026 (7) · 🧠 NeurIPS2025 (20)

FD\(^2\): A Dedicated Framework for Fine-Grained Dataset Distillation

FD\(^2\) 针对现有解耦式数据集蒸馏方法在细粒度数据集上忽略了判别性局部区域的问题，通过引入反事实注意力学习（CAL）提取判别性注意力图和类别原型，并在蒸馏阶段加入细粒度特征约束和同类样本相似度约束，作为即插即用模块显著提升 SRe2L++ 和 FADRM+ 在 CUB-200-2011、FGVC-Aircraft、Stanford Cars 等细粒度数据集上的蒸馏质量，IPC=1 时最大提升 +15.1%。