최근 시맨틱 분할을 위한 지식 증류(KD) 방법은 점점 더 복잡한 수작업 목적을 도입하지만, 일반적으로 고정된 반복 일정에서 평가돼요. 벽시계 컴퓨팅을 맞춘 경우, 표준 로그와 특징 기반 KD가 최근의 분할 전용 방법보다 성능이 뛰어난 것으로 나타났어요. 확장된 훈련 하에 특징 기반 증류는 Cityscapes 및 ADE20K에서 최첨단 ResNet-18 성능을 달성했어요.