PulseAugur
中
实时 14:45:39
English(EN) On Low-Bit Quantization Errors in Speaker Verification: Diagnostic and Mitigation

低比特量化误差影响说话人验证系统

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员调查了低比特量化对说话人验证系统的影响，发现性能下降并非完全由权重失真引起。他们确定了2比特量化时的关键点，此时得分误差和决策翻转变得显著，尤其是在接近浮点阈值时。为解决此问题，提出了一种校准的多精度级联方法，该方法对大多数试验使用2比特量化，同时将模糊案例升级，从而以降低的计算和内存成本维持接近FP32的性能。 AI

排序理由 这是一篇研究论文，详细介绍了在说话人验证中的低比特量化方面的发现并提出了一种新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 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.CL TIER_1 English(EN) · Mickael Rouvier ·

    关于说话人验证中的低比特量化误差：诊断与缓解

    Although low-bit quantization provides practical means to deploy speaker verification on resource-constrained devices, its effects on speaker verification performance remain poorly understood. In this paper, we study uniform K-means quantization-aware training of ResNet-36 and Re…

相关话题