ImageNet是计算机视觉领域最具影响力的基准数据集，包含超过1400万张手工标注的图像，用于评估图像分类和识别算法的性能。自2009年发布以来，它已成为推动深度学习发展的重要力量，特别是在AlexNet、GoogLeNet等里程碑式模型的诞生过程中发挥了关键作用。
ImageNet 近期进展
MGFlow提出统一分布训练框架，单步图像生成在ImageNet上刷新了纪录，展现了生成模型的新突破。MGFlow 提出统一分布训练框架，单步图像生成刷新 ImageNet 纪录Path-Flow Alignment方法通过路径与流协同训练改进了flow matching技术，为图像生成提供了新思路。Path-Flow Alignment：路径与流协同训练改进 flow matching
BiasFlow发布用于监测并缓解模型对虚假特征的依赖，有助于提高模型在ImageNet等数据集上的鲁棒性。BiasFlow 发布：监测并缓解模型对虚假特征的依赖