扩散蒸馏模型

精度高且省算力

该模型利用扩散去噪机制改进知识蒸馏，在资源受限设备上实现高准确率的人类活动识别。

Li, Wang · 张镭 · Dongzhou, Cheng · Minghui, Yao · 武浩 · 宋爱国

Neurocomputing 2026

技术优势

精度更高

通过扩散去噪改善学生特征，提升知识迁移的鲁棒性，从而在多个基准数据集上超过现有方法。

应用场景

• 边缘AI推理：用更小的模型在边缘设备上实时识别，减少延迟和能耗。
• 可穿戴设备：直接在手表或手环上处理传感器数据，无需上传云端。
• 移动机器人：让机器人用低功耗处理器理解人类动作，延长续航。
• 实时人机交互：在交互设备上即时响应动作，提升用户体验。