PulseAugur
中
实时 02:18:27
English(EN) Not All Tasks Quantize Equally: Fisher-Guided Quantization for Visual Geometry Transformer

新的FGQ方法大幅缩小了视觉几何Transformer模型尺寸

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的训练后量化方法，称为Fisher引导量化（FGQ），以减少视觉几何基础Transformer（VGGT）的内存和计算开销。这些模型用于3D视觉任务，如深度估计和相机姿态预测，拥有数十亿个参数，阻碍了在设备上部署。FGQ通过使用Fisher信息矩阵来指导量化过程并保留关键组件，解决了模型不同部分在不同任务上对量化误差的敏感度差异问题。 AI

影响 减小了3D视觉任务的模型尺寸，可能支持在设备上部署和更广泛的应用。

排序理由 该集群包含一篇详细介绍模型优化新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yipu Zhang, Jintao Cheng, Weilun Feng, Jiehao Luo, Chuanguang Yang, Zhulin An, Yongjun Xu, Wei Zhang ·

    Not All Tasks Quantize Equally: Fisher-Guided Quantization for Visual Geometry Transformer

    arXiv:2605.15828v2 Announce Type: replace Abstract: Feed-forward 3D reconstruction models, represented by Visual Geometry Grounded Transformer (VGGT), jointly predict multiple visual geometry tasks such as depth estimation, camera pose prediction, and point cloud reconstruction i…

相关实体

相关话题