CVPR2024の量子化論文

概要

この記事では、CVPR2024の量子化論文を紹介します。¹

Reg-PTQ: Regression-specialized Post-training Quantization for Fully Quantized Object Detector

• https://openaccess.thecvf.com/content/CVPR2024/papers/Ding_Reg-PTQ_Regression-specialized_Post-training_Quantization_for_Fully_Quantized_Object_Detector_CVPR_2024_paper.pdf

• 概要：Regressionの精度が悪い問題の改善

• 新規性：Toy problemでClassificationとRegressionの違いを分析し、量子化の改善方法を提案した。

• キモ

  • ClassifierよりRegressorの方がロス大、Regressorは一様ノイズにsensititive
    
  • Regressorだと、量子化時の誤差最小店が最適解とずれてしまう。Classifierだとロバスト。
    
  • Classifierは一様分布に近い。Regressorは非一様、中心が多い
    

Enhancing Post-training Quantization Calibration through Contrastive Learning

• https://openaccess.thecvf.com/content/CVPR2024/papers/Shang_Enhancing_Post-training_Quantization_Calibration_through_Contrastive_Learning_CVPR_2024_paper.pdf

• 概要：PTQのキャリブ画像の選び方

• 新規性：量子化で情報量が落ちないように、Contrastive learningで似た画像を取らないようにキャリブ画像を選ぶ。

• キモ：ロス
  
  評価値を計算する時、DNN(g)は既存の重みを使って計算させることでgの学習は不要とする。
  

1. 画像や数式は論文から引用しています。 ↩