TAM：基于任务感知记忆蒸馏预测方法

发生了什么

据arXiv cs.CV论文，研究者提出TAM（Task-Aware Memory Distillation）框架，用于高效时空预测。该方法将冻结教师模型的知识组织为可检索的历史记忆，包含潜在特征、预测变化或流残差。学生模型通过匹配相似度分布或回归残差原型进行学习。在视频预测、天气预报和交通流量预测等任务中，TAM提升了SSIM并降低了MSE，例如在KittiCaltech上MSE降低1.86%，且在推理阶段不增加额外成本。