SADGE：合成数据效用度量提出

2026年10月16日，arXiv Computer Vision 刊出研究，作者 Patryk Bartkowiak 等提出 SADGE，一种用于审计合成数据效用的定量相似度指标。据该报道，SADGE 无需下游模型训练即可预测合成图像数据集在常见计算机视觉任务上的性能，其做法是跨域研究外观与几何相似度。验证方面，报道称在五个公开合成到真实基准系列、共 15 个数据集变体（79k 图像对）上，SADGE 与目标检测、语义分割和姿态估计的迁移性能相关性最强，达到 Pearson r=0.88、Spearman rho=0.77。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。上述相关性与适用范围均限于该报道所述基准与任务，不表示该指标在其他数据集或任务上同样有效。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。