近年來，生成模型在產生高質量合成圖像方面取得了顯著進展，為數據匱乏的機器學習模型提供了豐富的訓練資源。然而，現有的利用這些合成數據的方法主要分為兩類：一是重新訓練或微調生成器本身，二是採用輕量級的後處理技術如提示工程或推理時引導。這些方法往往依賴於特定的生成器架構，並且需要大量的領域專業知識，限制了其通用性和易用性。
針對這一問題，來自某研究團隊（Disheng Liu等）提出了一種全新的後生成精選方法，旨在從固定的合成圖像池中挑選出最具信息價值的子集，從而提升下游任務的性能，而無需對生成器進行任何修改。該研究的核心洞察在於：現代生成模型存在一種結構性偏差，即它們傾向於過度產生每個類別的典型（規範）樣本，而忽略了類內的多樣性變化。例如，在生成“貓”的圖像時，模型可能更頻繁地生成正面、清晰、標準姿態的貓，而相對較少生成側卧、跳躍等非典型姿態的貓。
基於這一洞察，研究人員提出了一種“同質-異質分割”策略。首先，對於每個真實類別，將其訓練數據劃分為兩個子集：同質（Homogeneous, HO）子集，包含該類別中最典型的樣本；異質（Heterogeneous, HE）子集，則包含非冗餘的、能體現類內變化的樣本。然後，對每一張合成圖像，基於其與HO和HE子集的語義對齊程度進行評分，同時懲罰那些與HO子集中樣本過於相似的圖像（即典型冗餘）。這一評分標準同時考慮了保真度（語義正確性）和多樣性（避免重複），從而選擇出信息量最大的合成樣本。
該方法的優勢在於其生成器無關性，無需對生成網絡進行任何重新訓練或微調，可直接應用於任何現有的合成數據池。在多個標準基準測試中，該方法顯著優於當前最先進的數據選擇基線，並且僅使用60%的合成樣本就能達到與使用全部真實數據相當的模型性能。更令人印象深刻的是，即使應用於經過任務調優的更強大生成器，該選擇標準仍然有效，在圖像分類和語義分割任務中均帶來了進一步提升。
總之，這項研究表明，後生成精選不是替代更強大生成器的方法，而是一種互補的、實用的機制，能夠顯著提高合成數據的利用效率。對於在計算資源或真實數據獲取受限的場景下，該方法提供了一種低成本、高效率的改進途徑。