消息公告

本雙模知識蒸餾融合（Dual-Mode Knowledge Distillation Methode）方法採用Teacher-Student framework，於訓練階段引入多模態輸入（如原始影像與增強影像），由teacher model學習融合語意表示，而student model僅接收單一模態，透過知識蒸餾（knowledge distillation）機制學習teacher model的表示特徵與預測策略。在此方法下，student model於推論階段僅需原始模態即可完成預測任務，有效降低計算資源消耗，同時保有多模態融合的辨識能力。雙模知識蒸餾融合法透過在訓練階段進行潛在特徵融合與知識轉移，在推論階段則以精簡模態實現高效辨識，使模型能在模態不齊、環境不穩定（如低光或訊號雜訊）等情況下，仍維持穩定之預測效果，達到穩定泛化能力與部署彈性兼備的效果，可廣泛應用於具干擾雜訊之辨識任務中(如暗光源影片（Dark Video）之人體動作識別等)。

廠商資格：

產業類別:電子、資訊、其他。

應有之研究或技術人員: 具相關領域之專業人員。

其他條件:應符合本校技術移轉相關規定。