Papers with Code 아카이브
Model Compression
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 2
- 보존된 평가 기록
- 14
Model Compression is an actively pursued area of research over the last few years with the goal of deploying state-of-the-art deep networks in low-power and resource limited devices without significant drop in accuracy. Parameter pruning, low-rank factorization and weight quantization are some of the proposed methods to compress the size of deep networks.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
VisionMX: 비전 모델을 위한 마이크로스케일링 사후 학습 양자화 구현
패칭에서 가지치기로: 비전-언어 모델에서의 시각적 연산 가지치기
ConQuR: LLM을 위한 최적화된 회전 기반 모서리 정렬 활성화 양자화
대규모 언어 모델을 위한 출력 인지 잔차 스트림 가지치기
QATFactory: LLM의 양자화 인식 학습 및 증류를 위한 다목적 배포 정렬 프레임워크
마이크로태스크 적격성 격차 측정: 상용 SLM은 언제 에이전트 하네스에 충분한가?
ShatterQuant: 시스톨릭 트랜스포머 하드웨어 가속기에서 블록 단위 혼합 정밀도를 통한 균일 정밀도의 한계 극복
ITC-MoE: MoE 확산 언어 모델을 위한 중요도 기반 토큰 인식 압축
FedLore: 공유 그래디언트 저랭크 프로젝션을 통한 통신 및 메모리 효율적인 연합학습
TopK-Guided: 효율적인 LLM 추론을 위한 적응형 예산 인식 활성화 희소성
Dyna-DINO: 적응형 표현 앵커링을 통한 효율적인 ViT 증류
히스토리를 메모리로 압축하기: 트랜스포머를 순환 트랜스포머로 증류하기
더 적은 토큰, 더 많은 자기 학습: 극단적인 시각 토큰 감축을 위한 온-정책 자기 증류
GS-PQM: 압축된 Gaussian Splatting을 위한 매개변수 도메인 품질 메트릭
질의 독립적 가변 비트율 시각 토큰 코딩
분류기 없는 유도를 활용한 디퓨전 활성화 양자화를 위한 결합 브랜치 공간 변환 부호화
MWOP: 효율적인 MLLM을 위한 모달리티 인지 너비 단위 연산 가지치기
VETO: 비전-언어 모델을 위한 비디오 효율적 토큰 최적화
모두를 애니메이션화하는 하나의 기저: 실시간 아바타를 위한 가우시안 블렌드셰이프 지식 증류
TopoCompress: 분산 엣지 MoE 추론을 위한 토폴로지 인식 토큰 압축 알고리즘
트랜스포머 언어 모델의 순차 연산 증류
6개 층 축소: 레이블 없는 성능 복원을 적용한 Whisper 인코더 가지치기
위험 제어형 KV-Cache 축출: 메모리 예산에서 위험 목표로
배포 전 PTQ 구성 선택을 위한 양자화 가격 예측
LORA-CRAFT: 사전학습 어텐션 가중치의 동결 Tucker 분해를 통한 층 간 랭크 적응
혼합 정밀도 양자화를 위한 태스크 인지 QUBO 할당
IoT 보안을 위한 신뢰할 수 있는 연합 TinyML 배포
유지-망각 손실 지형 상호작용 관점을 통한 양자화 견고한 언러닝
"무슨 소리지?": 환경 소리 인식을 위한 다재다능하고 견고하며 경량화된 합성곱 트랜스포머
정확한 미니맥스 1비트 비편향 압축: 헤비테일의 필연성과 유한 랜덤성 근사
저매개변수 직교 행렬 군을 위한 리만 구조 및 최적화
트랜스포머 Key-Value 캐시의 텐서 분해: 스펙트럼 구조와 포맷 비교
OD3: 객체 검출을 위한 최적화 없는 데이터셋 증류
ScoutNeRV: ScoutNet을 통한 그리드 기반 비디오 INR의 신속 인코딩
비전 트랜스포머 특징 공간을 위한 태스크 유도 리만 메트릭
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.