研究人员开发了 H3DNAS,一个新颖的 3D 点云模型压缩框架,可以直接在 ONNX 二进制文件上运行,无需原始源代码。该方法通过在分布式 ONNX 文件上进行压缩,解决了在 NVIDIA Jetson Orin Nano 等边缘硬件上部署模型的局限性。H3DNAS 利用通道依赖图和两阶段分层搜索来减少模型参数,并在精度损失最小的情况下提高推理速度。 AI
影响 能够更有效地在资源受限的边缘设备上部署 3D 点云模型。
排序理由 该集群描述了一篇详细介绍新颖模型压缩方法的最新研究论文。
在 arXiv cs.NE (Neural & Evolutionary) 阅读 →
- Channel Dependency Graph
- GhostConv
- H3DNAS
- ModelNet40
- NVIDIA Jetson Orin Nano 8GB
- ONNX
- PointMLP
- PointNet: A 3D Convolutional Neural Network for real-time object class recognition
- PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →