采样与去重算子

关键要点

• 去重是「去冗余不去多样性」，阈值决定保留粒度
• 采样算子要版本化：配比变了，指标不可比
• 向量近邻在亿级规模要上 ANN 索引（HNSW/IVF），精确检索扛不住

面试怎么答

相关知识

• 数据配比 — 决定训练集里各类场景的采样权重：简单场景做基底、长尾场景过采样、新开城/新车型加权、旧场景防遗忘。配比错了，模型会在「…
• 聚类与去重 — 把相似场景聚合，避免重复标注：特征（CLIP 图像特征、点云描述子、轨迹形状）→ 降维（UMAP/PCA）→ 聚类（H…
• 数据加工算子链 — 从原始包到可用样本的一条算子链：解析/解包 → 解码 → 时间对齐与标定 → 脱敏 → 质检 → 自动打标 → 抽帧切…