EigDiff：特征样本扩散——如何在性能变化较小的情况下显著缩减训练数据集？

基于摘要分析。本文研究图像扩散模型训练数据中的冗余，提出 EigDiff：利用预训练 CLIP 的潜在表示及主成分分析（PCA）选择具有代表性的图像子集，目标是在缩减训练数据规模的同时维持生成性能。其主要对象是图像生成，而非 EEG/BCI。 方法机制：为缓解直接使用特征图像时对仿射变换的敏感性，作者转而在 CLIP 空间计算特征向量，并将其作为训练样本选择的参考点。所选子集同时包含嵌入最接近特征向量的代表图像，以及用于维持多样性的图像。相较于压缩扩散去噪步数的路线，这一工作关注训练数据选择；摘要未给出距离计算、代表性与多样性的组合规则及具体子集预算。 作者报告，在多个数据集和不同扩散模型上的实验中，训练数据规模最多可缩小 14 倍，子集选择最高加速 1607 倍，性能变化较小。这些是摘要所述实验中的最高幅度，不能视为同一配置下同时达到；数据集、划分、加速对照基线、性能指标及变化量均尚未验证。子集选择加速也不等同于扩散模型端到端训练加速，实验协议、消融及统计信息仍需核对全文。 平台推测（待验证）：可迁移的假设是，用表征空间的主要变化方向与多样性约束选择 EEG 生成模型训练子集，以减少重复样本；需要替换 CLIP 图像表征，并重新定义通道、时间窗及任务条件下的距离。低信噪比、被试差异和通道差异可能使 PCA 优先保留伪迹或身份变化，小数据下主方向也可能不稳定。一个可证伪的小实验是在固定跨被试划分、子集规模和生成模型训练预算下，对比该选择策略与随机抽样，检查生成质量及下游任务表现是否保持。上述仅为迁移假设，已有 EEG 相关工作尚未检索确认。