计算机科学 > 计算机视觉与模式识别
[提交于 2025年5月28日
]
标题: 动态感知视频蒸馏:基于视频语义优化时间分辨率
标题: Dynamic-Aware Video Distillation: Optimizing Temporal Resolution Based on Video Semantics
摘要: 随着视觉任务的快速发展以及数据集和模型的扩展,视觉数据集中的冗余减少已成为一个关键的研究领域。为了解决这个问题,数据集蒸馏(DD)作为一种有前途的方法应运而生,它能够在显著减少冗余的同时生成高度紧凑的合成数据集,并保留重要的信息。然而,尽管DD在图像数据集上得到了广泛研究,视频数据集上的DD仍然未被充分探索。由于存在时间信息以及不同类别间不同的冗余程度,视频数据集带来了独特的挑战。现有的DD方法假设所有不同视频语义之间的时间冗余水平相同,这限制了它们在视频数据集上的有效性。在这项工作中,我们提出了动态感知视频蒸馏(DAViD),这是一种基于强化学习(RL)的方法,用于预测合成视频的最佳时间分辨率。提出了一种教师在循环奖励函数来更新RL代理策略。据我们所知,这是首次在视频数据集蒸馏中引入基于视频语义的自适应时间分辨率的研究。我们的方法显著优于现有的DD方法,在性能上有实质性的改进。这项工作为更高效、语义自适应的视频数据集蒸馏研究开辟了道路。
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.