跳到正文
arXiv · 机器人与计算机视觉· Soroor Ghandali, Kanika Mamgain, Manjot Kaur, Akanksha Shukla, Shashira Guntuka·· 9 天前AI 评分45

SGAC:一种用于低比特手部网络在设备端学习的灵敏度门控累加器缓存方法

Sensitivity-Gated Accumulator Caching for On-Device Learning of Low-Bit Hand Networks

AI 导读

针对部署后需适应用户摄像头的 4-8 比特手部追踪网络,该方法引入灵敏度门控累加器缓存(SGAC),将每权重状态降至 8.1 比特。在 38.3 万参数网络上,其适配后的 4/8 比特网络在两路模拟相机上取得九种低比特部署方案最高平均准确率,且在十二类 ImageNet-C 腐蚀下表现优于 PEQA、ECO 等基线。

来源:arXiv · 机器人与计算机视觉 · arxiv.org