arXiv · 机器人与计算机视觉· Saumyaranjan Mohanty, Aravind Reddy, Konda Reddy Mopuri·· 2026-10-12精选AI 评分83
X-AVDD:一种基于交叉注意力的音频 - 视觉数据集蒸馏方法
X-AVDD: Cross-Attentive Audio-Visual Dataset Distillation
AI 导读
论文提出了 X-AVDD,这是一种基于交叉注意力的音频 - 视觉数据集蒸馏方法,旨在从大规模配对数据集中合成小数据集并保留训练效用。该方法通过解耦跨模态对齐与联合优化,显著降低了内存需求,将端到端合成成本减少了约 8 倍 GPU 小时。
推荐理由
针对现有音频 - 视觉数据集蒸馏方法内存占用高且跨模态语义对应弱的问题,提出基于交叉注意力的 X-AVDD 方法。
来源:arXiv · 机器人与计算机视觉 · arxiv.org