Naukowcy opracowali generator-agnostyczną metodę selekcji syntetycznych obrazów, która działa już na gotowych zbiorach danych bez potrzeby ponownego treningu lub fine-tuningu generatorów. Dotychczasowe podejścia wymagały albo modyfikacji samych modeli generujących, albo technik typu prompt engineering - obecne rozwiązanie pyta inne pytanie: czy poddając do wyboru istniejący zbiór wygenerowanych obrazów można poprawić ich przydatność dla modeli ucząc się na nich?
Klucz do sukcesu leży w zdiagnozowaniu problemu danych syntetycznych. Współczesne generatory mają tendencję do nadmiernego reprodukowania kanonicznych - czyli typowych, często widzianych - wariantów każdej klasy, podczas gdy niedoreprezentują różnorodność wewnątrz klasy. Zespół zaproponował podzielić każdą rzeczywistą klasę na podzbiór Homogeniczny (HO) zawierający przykłady kanoniczne oraz podzbiór Heterogeniczny (HE) zawierający przykłady nieredundantne. Obrazy syntetyczne oceniane są następnie kryterium łączącym wierność semantyczną z penalizacją za redundancję kanoniczną.
Wyniki na wielokrotnych benchmarkach pokazują, że metoda konsekwentnie przechodzi istniejące linie bazowe selekcji danych i osiąga wydajność danych rzeczywistych nawet z 40 procent mniejszą liczbą próbek syntetycznych. Podejście działa również efektywnie na mocniejszych generatorach dostrojonych do konkretnych zadań, przynoszące zyski zarówno dla klasyfikacji jak i segmentacji obrazów.