Tag · 2 篇
边缘端部署
01 02
QVGGT：训练后量化的视觉几何基础 Transformer
QVGGT: Post-Training Quantized Visual Geometry Grounded Transformer
对需要在边缘设备部署前馈式三维重建模型的研究者，本文给出了按 Transformer 块敏感度分配精度的混合精度量化方案，以及用 PCA 全局补偿词元处理相机/寄存器离群词元的校准策略，可直接迁移到其他大规模几何 Transformer 的压缩。
MemFlow：面向快速域自适应特征映射的轻量前向记忆框架
MemFlow: A Lightweight Forward Memorizing Framework for Quick Domain Adaptive Feature Mapping
用冻结骨干网络加随机连接脉冲神经元的前向记忆机制替代反向传播微调，为视觉模型在边缘设备上做在线域自适应提供了一条无需梯度的快速路径，可直接用于测试时自适应场景。