PulseAugur
中
实时 10:58:28
English(EN) Zero-Shot Quantization for Object Detectors using Off-the-Shelf Generative Models

新的GoodQ方法使用生成模型进行零样本目标检测器量化

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了GoodQ，一种用于零样本量化感知训练（ZSQ-OD）的新流程，该流程利用现成的生成模型来创建训练数据集。该方法解决了目标检测模型合成数据固有的密集图像信息、类别分布不平衡和伪标签噪声等挑战。GoodQ采用信息密集型提示、内在分布感知选择和教师引导自适应降噪技术，在W4A4等低比特量化场景下以及扩展到W3A3等极端比特宽度下取得了最先进的性能。 AI

影响 通过改进量化技术，能够更有效地在边缘设备上部署目标检测模型。

排序理由 该集群包含一篇arXiv论文，详细介绍了用于AI模型量化的一项新研究方法。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的GoodQ方法使用生成模型进行零样本目标检测器量化

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Hyunho Lee, Kyomin Hwang, Hyeonjin Kim, Suyoung Kim, Sunghyun Wee, Nojun Kwak ·

    使用现成的生成模型对目标检测器进行零样本量化

    arXiv:2606.31456v1 Announce Type: new Abstract: With an increasing number of Object Detection (OD) models being deployed on edge devices, Zero-Shot Quantization for OD (ZSQ-OD) aims to quantize these models when access to the original training data is prohibited. Existing researc…

  2. arXiv cs.LG TIER_1 English(EN) · Nojun Kwak ·

    使用现成的生成模型对目标检测器进行零样本量化

    With an increasing number of Object Detection (OD) models being deployed on edge devices, Zero-Shot Quantization for OD (ZSQ-OD) aims to quantize these models when access to the original training data is prohibited. Existing research on Zero-Shot Quantization-Aware Training (QAT)…

相关实体

相关话题