Tag · 3 篇

教师-学生框架

分布鲁棒性与安全1底层视觉与图像复原1图像编辑与可控生成1

Towards Robust Multi-Modal Semantic Segmentation with Teacher-Student Framework and Hybrid Prototype Distillation

面向缺失模态的多模态语义分割，用反馈式自蒸馏让教师从非主导模态获得学生反馈，并用高层语义原型做跨模态蒸馏、用类内特征变化蒸馏保留模态特有细节，可直接迁移到任意多模态融合分割骨干上提升缺失模态鲁棒性。

Human-Centric Multi-Exposure Fusion: Benchmark and Bi-level Cognition Distillation Framework

把EEG认知信号作为教师端的先验来监督低层视觉特征学习，再蒸馏到只用图像输入的轻量学生网络，为「用生理信号定义感知质量、但推理时不需要生理信号」提供了一套可复用的双层优化范式，可直接迁移到去噪、增强等其它低层任务的主观质量对齐。

Attribute-Preserving Pseudo-Labeling for Diffusion-Based Face Swapping

提出教师-学生扩散框架，用条件去模糊和属性感知反演生成伪标签，替代掩码条件以保留肤色、光照、妆容等属性，可复用于其他需保持属性的图像编辑任务。