计算机科学 > 计算机视觉与模式识别
[提交于 2025年6月26日
]
标题: EgoAdapt:自适应多感官蒸馏和策略学习用于高效的自我感知
标题: EgoAdapt: Adaptive Multisensory Distillation and Policy Learning for Efficient Egocentric Perception
摘要: 现代感知模型,特别是那些为多感官自我中心任务设计的模型,已经取得了显著的性能,但通常伴随着巨大的计算成本。 这些高需求对现实世界的部署提出了挑战,尤其是在资源受限的环境中。 在本文中,我们引入了EgoAdapt,一种框架,通过自适应地执行跨模态蒸馏和策略学习,以实现不同自我中心感知任务的高效推理,包括自我中心动作识别、主动说话者定位和行为预测。 我们提出的策略模块可以适应特定任务的动作空间,使其具有广泛的适用性。 在三个具有挑战性的自我中心数据集EPIC-Kitchens、EasyCom和Aria Everyday Activities上的实验结果表明,我们的方法显著提高了效率,将GMACs减少了高达89.09%,参数减少了高达82.02%,能耗减少了高达9.6倍,同时在性能上与相应的最先进模型相当,并在许多情况下超过了它们。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.