北京理工大学计算机学院团队在CVPR 2024提出了一种新的知识蒸馏框架——PlanKD，可提升自动驾驶系统性能一倍左右，无额外成本。实验结果显示，使用PlanKD后性能提升50-100%。该方法解决了自动驾驶中大模型参数量大、计算资源占用多的问题。

该研究提出了一种知识蒸馏框架，用于优化高度物理约束的计算光学成像系统。通过引入无约束计算光学成像系统作为“教师”，指导有限快照数的物理约束系统的优化。验证结果表明，该方法在单色和多光谱图像重建上优于传统的端到端优化方式。

本文介绍了一种新的知识蒸馏框架SSTKD，通过引入CDM和DTIEM模块结合结构和统计纹理知识。实验结果表明，该方法在多个数据集上实现了最先进的性能。

通过教师 - 学生的知识转移，构建了夜间无人机追踪的新型相互学习知识蒸馏框架 MLKD，解决了低光增强器引入的计算负担和单学生训练偏见等问题，并在实际测试中验证了其有效性和优越性。