本材料旨在确保学术和技术工作的及时传播。版权及其所有权利由作者或其他版权所有者保留。所有复制此信息的人都应遵守每个作者的版权所引用的条款和限制。在大多数情况下，未经版权所有者明确许可，不得转载这些作品。
代币退出的Turbo训练
2022年英国机器视觉会议
下载出版物：![han22b.pdf[598Ko]](/~vgg/publications/images/pdf.png)
本文的目的是为视频任务提供一种有效的训练方法。我们做出了三个贡献：（1）我们提出了Turbo训练，这是一种针对变形金刚的多视频任务的简单而通用的训练范式。（2） 我们举例说明了Turbo训练在动作分类、视频语言表示学习和长视频活动分类方面的优势，表明Turbo训练可以在很大程度上保持竞争性能的同时实现近4倍的加速，并显著减少内存消耗。（3） Turbo培训支持长时间的视频语言培训和端到端的长视频培训，与以前的工作相比，提供了竞争性或优越的性能，而这些工作在有限的资源下是不可行的。
链接：
BibTex参考：
@诉讼中{Han22b，author=“Tengda Han、Weidi Xie和Andrew Zisserman”，title=“放弃代币的Turbo训练”，booktitle=“英国机器视觉会议”，年=“2022”，}
数据库中的其他出版物：