跳到正文
arXiv · 机器人与计算机视觉· Zhicheng Ding, Xinyu Chu, Qing Tian·· 2026-10-06AI 评分72

差异特征图蒸馏:面向高效 Transformer 追踪的跨样本关系知识迁移

Difference Feature Map Distillation: Transferring Inter-Sample Relational Knowledge Towards Efficient Transformer-Based Tracking

AI 导读

针对自动驾驶感知中 Transformer 追踪器计算量大、难以部署的问题,本文提出差异特征图知识蒸馏(DFM-KD)框架。该方法不直接最小化师生特征的点对点误差,而是通过转移样本间的特征差异来显式对齐特征空间的关系结构,使学生模型能更好地捕捉批次内视觉变化的动态规律。实验表明,该框架在追踪精度和成功率上均优于传统基于特征层面的蒸馏方法。

来源:arXiv · 机器人与计算机视觉 · arxiv.org