PulseAugur
中
实时 11:22:30
实体 Timestep-Aware SVDQuant-GPTQ

Timestep-Aware SVDQuant-GPTQ

PulseAugur coverage of Timestep-Aware SVDQuant-GPTQ — every cluster mentioning Timestep-Aware SVDQuant-GPTQ across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 1 条
  1. RESEARCH · CL_53558 ·

    新型量化方法大幅降低视频 Transformer 内存占用

    研究人员开发了一种新的训练后量化框架，名为 Timestep-Aware SVDQuant-GPTQ，以解决大型视频扩散 Transformer 中的内存挑战。该方法专门针对 W4A4 量化，后者可显著节省内存，但由于激活值异常和依赖于时间步长的分布而变得复杂。该框架旨在处理 Wan2.2-I2V 的混合专家设计中两个专家的不同量化敏感性，从而在对 VBench 和成像质量等性能指标影响极小的情况下，将峰值 GPU 内存减少 59.3%。