AutoRegressive Visual Generation

新的HGA-Quant方法实现了视觉生成模型的低比特量化

研究人员开发了HGA-Quant，一个旨在降低自回归视觉生成（ARVG）模型计算和内存需求的新型框架。这种训练后量化方法旨在无需显著降低图像质量即可将这些高质量图像合成模型部署到资源受限的边缘设备上。HGA-Quant引入了两个关键组件：用于权重量化器校准的T-BGR和用于跨不同生成阶段的高效混合精度分配的CAPS。实验表明，HGA-Quant即使在低比特激活精度下也能达到接近全精度的质量，优于现有方法。