深度预测的多模态核心集选择挑战
机器学习
2025-02-25 v1 机器学习
摘要
核心集选择方法在加速训练和减少内存需求方面效果显著，但在实际应用的多模态场景中仍鲜有探索。我们将一种最先进（SoTA）的核心集选择技术应用于多模态数据，聚焦于深度预测任务。我们的实验结果表明，在嵌入聚合和维度约简方法下，将单模态算法扩展到多模态情境面临挑战，凸显了需要专门方法更好地捕捉跨模态关系的必要性。
引用
@article{arxiv.2502.15834,
title = {Challenges of Multi-Modal Coreset Selection for Depth Prediction},
author = {Viktor Moskvoretskii and Narek Alvandian},
journal= {arXiv preprint arXiv:2502.15834},
year = {2025}
}