Isa
PulseAugur coverage of Isa — every cluster mentioning Isa across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的IAE-VTG方法改进了动作-实体视频时间定位
研究人员推出了一种新颖的视频时间定位（VTG）方法IAE-VTG，该方法专门处理涉及实体执行动作的查询。与以往整体处理查询的方法不同，IAE-VTG将查询中的动作和实体信息解耦，以更好地与互补的视频特征对齐。这是通过细粒度解耦交互模块（FDIM）和交互敏感分配（ISA）训练策略实现的，该策略通过考虑时间重叠和语义兼容性来提高时间定位的准确性。在QVHighlights、Charades-STA和TACoS等基准数据集上的实验表明，IA…
-
ARPL 优化 llama.cpp 以适应 ARM 移动设备
一个名为 ARPL 的新项目已发布，旨在优化 llama.cpp 在基于 ARM 的移动设备上的性能。ARPL 在运行时动态检测硬件功能，例如可用的 ISA 扩展和核心集群，以配置 llama.cpp 以获得更高的效率。这种方法无需设备特定的构建或手动调整，旨在提高包括 Snapdragon 8 Elite 在内的各种 ARM 芯片的性能。
-
ExaGEMM 框架通过低比特 GEMM 优化提升 CPU 机器学习推理性能 · 跟踪 2 个来源
研究人员开发了 ExaGEMM，这是一个旨在优化传统 CPU 上机器学习推理的低比特通用矩阵乘法 (GEMM) 操作的框架。该框架解决了有效执行通常不适合标准 CPU 架构的超低比特精度计算的挑战。ExaGEMM 共同设计了参数化内核和轻量级 SIMD 指令集架构 (ISA) 支持，分析了寄存器可行性、计算成本和硬件开销等因素，以显著缩小搜索空间。与纯软件基线相比，该系统在机器学习模型的延迟方面实现了 13.29 倍的提升，特别突出了…
-
闪电视频编辑器使用稀疏注意力加速上下文学习
研究人员开发了一种名为上下文稀疏注意力（ISA）的新型稀疏注意力框架，以解决视频编辑中上下文学习的计算瓶颈。ISA通过修剪冗余上下文并使用动态分组机制来优化注意力计算，从而显著降低延迟。该框架已实现于名为LIVEditor的模型中，据报道，该模型在不牺牲视觉质量的情况下，在多个基准测试中超越了最先进的方法。
-
新数据集和方法应对多区域语音修复取证
研究人员开发了一种名为 MIST 的新方法和数据集，以应对检测和定位音频深度伪造中多个被篡改片段的挑战。现有方法难以处理部分语音篡改，即仅一小部分话语被更改。提出的 ISA 框架以粗粒度到细粒度的方式分析音频，识别所有被篡改的区域，而无需预先知道它们的数量。这种方法至关重要，因为当前的深度伪造检测器未能标记经过少量篡改内容的音频。