RS-Prune：用于高效遥感扩散模型的训练无关数据剪枝

本文通过提出一种名为 RS-Prune 的无需训练的数据剪枝方法，解决了训练高效遥感扩散模型的挑战。该方法旨在减少大型遥感数据集中可能阻碍训练效率和收敛的数据冗余、噪声和类别不平衡。本文的重要性在于其新颖的两阶段方法，该方法同时考虑了局部信息内容和全局场景级多样性，从而能够在保持数据质量和提高下游任务性能的同时实现高剪枝率。该方法无需训练是关键优势，可以实现更快的模型开发和部署。

• •提出了一种用于遥感扩散模型的无需训练的数据剪枝方法 (RS-Prune)。
• •RS-Prune 使用两阶段方法，考虑局部信息和全局场景多样性。
• •实现高剪枝率（例如，85%），同时提高收敛性和生成质量。
• •在超分辨率和语义图像合成等下游任务中展示了最先进的性能。