跳到正文
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