English(EN) Channel-Wise and Token-Aware Post-Training Quantization for Visual State Space Duality

新的CTOAC量化方法提升了VSSD的性能和速度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-16 04:00

研究人员开发了一种新的训练后量化方法CTOAC，用于视觉状态空间模型（VSSD），这是Mamba架构在图像处理方面的扩展。研究发现，激活量化是低比特VSSD性能的关键瓶颈，在代表性输入中存在显著的通道级幅度变化和令牌局部化极端值。CTOAC通过学习每输入通道的裁剪边界来最小化线性层输出的重建损失，而其他操作则保持原始精度。该方法在ImageNet-1K、COCO和ADE20K数据集上的VSSD变体中表现出鲁棒性，在目标检测和分割任务中保持了准确性和性能。此外，在RTX 4090上的优化部署实现了比FP32高1.42倍的速度提升。 AI

影响提高了视觉状态空间模型的效率和性能，可能使其在资源受限的环境中得到更广泛的应用。

排序理由学术论文，详细介绍了一种优化视觉状态空间模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种优化视觉状态空间模型的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Jonghyeon Lim, Changhoon Yim · 2026-09-16 04:00

面向视觉状态空间对偶的通道感知和令牌感知训练后量化

arXiv:2609.16656v1 Announce Type: new Abstract: State space models (SSMs), particularly Mamba, have emerged as efficient alternatives to attention-based architectures and have been extended to vision through ViM, VMamba, and Visual State Space Duality (VSSD). Yet the low-bit post…

本文如何被排名

报道来源 [1]

面向视觉状态空间对偶的通道感知和令牌感知训练后量化

相关实体

相关话题