arXiv 新增 + ViT/VFM feature distillation · P0 · 2026-06-20

LEAP：它和通用视觉自监督的关系在于：把教师 ViT 的中间层当成自适应课程，缓解小模型直接模仿高层 DINOv2/VFM 特征的容量落差

高相关；详见方法、贡献和实验边界。

LEAP: Layer-skipping Efficiency via Adaptive Progression for Vision Transformer Distillation　arXiv 新增 + ViT/VFM feature distillation　原文链接

编号2606.19483 优先级P0 类别arXiv 新增 + ViT/VFM feature distillation 会议arXiv 新增 + ViT/VFM feature distillation 方法把教师 ViT 的中间层当成自适应课程，缓解小模型直接模仿高层 DINOv2/VFM 特征的容量落差来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：把教师 ViT 的中间层当成自适应课程，缓解小模型直接模仿高层 DINOv2/VFM 特征的容量落差。高相关；详见方法、贡献和实验边界。

**Figureure 2 · : CKA heatmap between the student model’s last feature map and all of** Figure 2: CKA heatmap between the student model’s last feature map and all of the teacher’s intermediate feature maps during training. Student checkpoints are saved every 5 epochs, and the CKA score is calculated across a subset of validation dataset.这张图来自论文 PDF 的结构化抽取。当前用于辅助理解 LEAP 的方法或实验，请结合正文精读段落一起看。

**Figureure 1 · : Overview of LEAP**Figure 1: Overview of LEAP. Rather than supervising the student against a fixed teacher block from the start, our curriculum advances the supervisory target through the teacher’s feature maps shallow-to-deep based on online CKA alignment, building student representations progressively.这张图概括 LEAP 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

核心问题

它和通用视觉自监督的关系在于：把教师 ViT 的中间层当成自适应课程，缓解小模型直接模仿高层 DINOv2/VFM 特征的容量落差。

方法拆解

把教师 ViT 的中间层当成自适应课程，缓解小模型直接模仿高层 DINOv2/VFM 特征的容量落差

主要贡献

高相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。