**PEEK：通过高效知识蒸馏挑选关键帧**

_PEEK: Picking Essential frames via Efficient Knowledge distillation_

> 本文介绍了PEEK，一种高效的动态视频帧采样方法，用于解决视频描述模型只能处理有限帧数的问题。它通过知识蒸馏，将教师模型的帧相关性排序迁移到仅基于视觉内容的轻量级时序模型中，从而智能选择最具信息量的帧。在ActivityNet Captions和MSR-VTT数据集上的评估表明，PEEK在低帧预算下（如仅选1-2帧）显著优于现有最优方法，并在保持高准确性的同时，计算开销极低（仅增加5.2%的描述时间），效率远超CSTA和MaxInfo等自适应基线。研究团队已开源代码和预训练模型。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-01 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2605.31029)