arXiv cs.CV· Saumyaranjan Mohanty, Aravind Reddy, Konda Reddy Mopuri·2026-10-12 12:00· 2 小时前AI 评分22

X-AVDD：基于交叉注意力的音视频数据集蒸馏方法

X-AVDD: Cross-Attentive Audio-Visual Dataset Distillation

AI 导读

X-AVDD 是一种基于交叉注意力的音视频数据集蒸馏方法，通过将跨模态对齐与联合优化解耦，将端到端合成成本降低约 8 倍 GPU-hours。在 VGGSound 上，SPC=10 时 top-1 测试准确率从 8.2% 提升至 24.0%，SPC=20 时从 9.8% 提升至 26.5%。

来源：arXiv cs.CV · arxiv.org