概要
この記事では、CVPR2023の枝刈り論文を紹介します。1
その1
Pruning Parameterization with Bi-level Optimization for Efficient Semantic Segmentation on the Edge
- 概要:エッジ向けセマセグViTの最適化。
- 新規性:TopFormerで枝刈りパラメータをbi-level optimizationで最適化する。
Joint Token Pruning and Squeezing Towards More Aggressive Compression of Vision Transformers
- 概要:TPS. Vision Transformer向け枝刈りの改善
- 研究機関:MEGVII
- 新規性:刈られたトークンの情報を有効活用する
- キモ:Fig2(c)の形にNNで似た特徴量にマッチングする。
DepGraph: Towards Any Structural Pruning
- 概要:Structured pruningでレイヤ間でチャンネル数の依存がある場合に対応する
- 研究機関:Huawei
- 新規性:(4)式でグループ単位で刈る
- キモ:グループのFig.1のような依存関係をdependency graphとして自動生成する
おまけ
TopFormer: Token Pyramid Transformer for Mobile Semantic Segmentation (CVPR2022)
- 概要:セマセグ向けモバイル用ViT
- 新規性:Fig. 2
-
画像や数式は論文から引用しています。 ↩