Temporal Aware Pruning
PulseAugur coverage of Temporal Aware Pruning — every cluster mentioning Temporal Aware Pruning across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
富士胶片因人工智能数据存储需求将磁带产量提升5倍
富士胶片正将其磁带生产能力大幅提升五倍，以满足日益增长的需求，特别是人工智能和大规模数据存储的需求。该公司正大力投资新工厂和先进的制造工艺，以确保高容量数据磁带的可靠供应。此举凸显了尽管出现了其他存储技术，磁带存储在长期数据归档和人工智能相关工作负载方面仍然具有重要意义。
-
新的 BOSQ 框架大幅降低图任务的 LLM 成本
研究人员开发了一个名为双层优化稀疏查询（BOSQ）的新框架，以降低使用大型语言模型（LLM）处理文本属性图（TAG）任务的计算和金钱成本。BOSQ 采用自适应稀疏查询策略，智能选择何时调用 LLM，从而避免不必要的查询并显著降低开销。在六个真实世界 TAG 数据集上的实验表明，BOSQ 在运行时速度显著提高的同时，实现了与现有 GraphLLM 方法相当或更好的性能。
-
新方法提高了AI图像和视频生成的效率
研究人员开发了新的方法来提高扩散模型在图像和视频生成方面的效率。一种方法是光谱渐进扩散（Spectral Progressive Diffusion），它利用这些模型的频域特性，在去噪过程中逐步提高分辨率，从而在不牺牲质量的情况下显著加快速度。另一种技术是聚焦强制（Focused Forcing），它优化了自回归视频扩散模型中历史帧和注意力头的选择，实现了更快的生成和更好的文本对齐。此外，时序感知剪枝（Temporal Aware P…
-
新方法提升自回归视频生成质量和效率
研究人员正在开发新方法来改进自回归视频生成，重点关注效率和质量。一种名为 One-Forcing 的方法结合了 DMD 目标和 GAN 损失，实现了稳定、高质量的一步视频生成，在基准测试中优于现有的一步法。另一种技术 DySink 使用基于检索的框架和动态帧接收器来保持自适应的远程上下文，并防止长视频生成崩溃。此外，对抗性流蒸馏 (AFD) 提供了一种策略内方法，可以将异构黑盒视频生成器蒸馏成高效的自回归学生模型，而无需教师分数。