实体
Spiking Vision Transformers
Spiking Vision Transformers
PulseAugur coverage of Spiking Vision Transformers — every cluster mentioning Spiking Vision Transformers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新框架PSViT和PrimeSVT对SViT模型进行剪枝以提高效率
研究人员开发了两个新框架PSViT和PrimeSVT，用于压缩脉冲视觉Transformer（SViTs），使其更适合资源受限的设备。PSViT采用结构化剪枝方法，包括通道级滤波器剪枝和敏感性分析，以减小模型尺寸并保持准确性。PrimeSVT提供了一种自动化的、内存感知的方法，该方法根据层大小和鲁棒性优先进行压缩，在不牺牲性能的情况下实现显著的内存节省。
-
BSViT引入突发脉冲，实现高效且富有表现力的视觉学习
研究人员推出了一种新颖的突发脉冲视觉Transformer（BSViT），旨在实现更高效、更具表现力的视觉表示学习。该新架构通过引入双通道突发脉冲自注意力机制来增强信息容量，解决了现有脉冲视觉Transformer的局限性。BSViT还采用了一种补丁邻近掩码策略，以降低计算负荷并提高空间感知能力，在各种视觉基准测试中表现出色，同时保持了能源效率。