본 논문은 데이터 부족 문제와 레이블링 비용을 해결하기 위해, 텍스트 조건부 이미지 생성을 이용한 합성 데이터 생성 파이프라인인 Text-Conditioned Knowledge Recycling (TCKR)을 제안합니다. TCKR은 동적 이미지 캡션 생성, 매개변수 효율적인 확산 모델 미세 조정, 그리고 생성적 지식 증류 기술을 결합하여 이미지 분류에 맞춤화된 합성 데이터셋을 생성합니다. 10개의 다양한 이미지 분류 벤치마크에서의 실험 결과, TCKR로 생성된 데이터로만 학습된 모델이 실제 이미지로 학습된 모델과 비슷하거나 더 나은 분류 정확도를 달성함을 보여줍니다. 더 나아가, 합성 데이터로 학습된 모델은 멤버십 추론 공격에 대한 취약성이 현저히 감소하여 개인정보 보호 특성이 크게 향상됨을 확인했습니다. 이는 고품질 합성 데이터가 실제 데이터를 효과적으로 대체하여 성능과 개인정보 보호라는 두 마리 토끼를 모두 잡을 수 있음을 시사합니다. 소스 코드와 학습된 모델은 공개 저장소에서 이용 가능합니다.
