12:32
官方账号arXiv cs.LG@Md. Mehrab Hossain Opi, Robiul Islam Ryad, Md. Umar Faruk
推荐理由：MixFrag用KL散度定位模型里对量化最敏感的部分，再把位宽分配变成背包问题。在COCO上比之前最好的混合精度PTQ方法涨了9.6 AP，跑ViT的可以看看。
COCO
共 3 条相关 AI 资讯
7月31日
12:32
MixFrag提出一种面向视觉Transformer的脆弱性引导混合精度训练后量化框架。它通过计算全精度与量化输出分布的KL散度来估计各组件量化脆弱性，并将位宽分配建模为多选择背包问题。在ImageNet-1K上，MixFrag在多种ViT架构下取得有竞争力的分类精度。在COCO目标检测与实例分割任务中，MixFrag在MP3/MP3设置下比此前最优方法提升高达9.6 AP。
7月14日
09:15
09:15
官方账号arXiv cs.LG@Haricharan Balasundaram, Karthick Krishna Mahendran, Rahul Vaze
推荐理由：这篇理论论文首次给出了OGD+Projection算法在高维约束优化中违反约束的下界，搞在线凸优化的人可以看看。
7月3日
11:58
11:58
官方账号arXiv cs.LG@Jakob Geusen, Ender Konukoglu
推荐理由：这篇论文用SAM掩码改进了LeJEPA，让自监督学习在数据少时更管用。跟踪、分类、分割结果都比原版强，适合想提升视觉特征效率的同学看。