ProMoDD：原型条件扩散的3D动作数据集蒸馏

2026年10月14日，arXiv Computer Vision 刊出 Yijin Wei 等作者的预印本，提出原型条件动作数据集蒸馏方法 ProMoDD。该方法以类级原型条件化动作扩散模型，并结合预算感知的混合选择来构建紧凑训练集。据该报道，在 NTU RGB+D 60 单人动作的五个难度分层子集上，ProMoDD 在紧蒸馏预算下增益最大：每类仅用三条序列时，Full49 上 top-1 准确率达 40.32%，比 class-wise k-means 高 4.57 个百分点。报道还称，同一蒸馏集无需重新生成即可训练 ST-GCN、MS-G3D 和 CTR-GCN。目前该工作处于预印本阶段，尚无后续跟进报道，也未提及同行评审或复现结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。