KDTwin

KDTwin框架增强了多任务驾驶分割模型

研究人员开发了KDTwin，一个新颖的任务感知知识蒸馏框架，旨在提高自动驾驶多任务分割网络的效率和准确性。该方法侧重于在共享编码器和特定任务解码器之间传递知识，并根据可驾驶区域和车道分割的独特特征调整蒸馏目标。在BDD100K数据集上进行的实验表明，在不增加计算复杂性的情况下，各种基于CNN和Transformer的学生模型在性能上均获得了一致提升。