18:01
官方账号arXiv cs.AI@Yuefeng Zhang
推荐理由：HAMP-LIC给图像压缩模型做混合精度量化，模型省4.85倍，BD-rate只掉0.59%，还消除跨平台不一致。值得一看。
图像压缩
共 2 条相关 AI 资讯
8月13日
18:01
HAMP-LIC提出一种面向学习图像压缩模型的Hessian感知混合精度后训练量化框架。该方法通过Hessian迹估计逐块敏感性，并联合量化失真与率失真性能进行任务感知修正。在全局模型大小约束下分配位宽，再用小型校准集逐块重建以抑制量化误差。在Minnen2018和Cheng2020上，该方法实现最高4.85倍模型压缩，BD-rate损失仅0.59%。相比现有固定与混合精度PTQ方法，HAMP-LIC在多个数据集上持续领先，并消除跨平台编码解码误差。
6月3日
10:41
10:41
官方账号arXiv cs.LG@Dan Jacobellis, Neeraja J. Yadwadkar
推荐理由：机器人视觉数据压缩的痛点终于有了兼顾效率与兼容性的方案——SEAOTTER在200:1压缩比下比AVIF更快更准，做云机器人或边缘计算的团队可以直接用开源代码试试。