分割一切模型

CAR-SAM：面向分割一切模型训练后量化的交叉注意力重建

CAR-SAM: Cross-Attention Reconstruction for Post-Training Quantization of the Segment Anything Model

针对 SAM 解码器中交叉注意力结构做训练后量化，提出把 MatMul 激活量化误差转移到前置线性权重的补偿机制，以及联合重建双向耦合注意力分支的策略，可直接迁移到其他含交叉注意力的视觉 Transformer 模型（如检测、分割解码器）的低比特部署。