[2025CVPR]CCFS：高IPC数据集蒸馏的课程式粗细筛选技术解析
一、论文结构与核心问题
研究背景：
数据集蒸馏(DD)在小规模IPC（每类图像数）表现优异，但在高IPC场景（如IPC>50）存在严重性能衰减：
- 传统DD缺陷：仅蒸馏简单通用特征，忽略复杂特征
- 组合范式瓶颈：现有方法（如SelMatch）采用固定+单次选择策略导致：
- 蒸馏数据与真实数据不兼容
- 特征补充效率低
创新方案：
提出课程式粗细筛选(CCFS)：
研究背景：
数据集蒸馏(DD)在小规模IPC（每类图像数）表现优异，但在高IPC场景（如IPC>50）存在严重性能衰减：
创新方案：
提出课程式粗细筛选(CCFS)：