深度分析 同質-異質分割結合忠實度與多樣性提升合成影像篩選效能 研究指出，固定的合成影像池可透過同質與異質分割選取具高語意相符且多樣性的子集，以提升下游模型效能，且在多項基準上以最高40%更少樣本匹敵真實資料表現。該篩選機制不依賴生成器再訓練，兼具忠實度與多樣性平衡，為生成式模型的資料後處理提供通用解決方案。
