Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 15 сентября 2026 года] Название: Effient Quantization-Aware Distillation with Cross-Modal Communication for Edge Vision - Language Models View PDF HTML (экспериментальное) резюме: крупные модели языка зрения (VLM), такие, как CLIP, позволяют твердо рассуждать на основе открытых голосов, однако использование этих возможностей в отношении реберных устройств с ограниченными ресурсами остается проблематичным. EdgeVL решает эту проблему, делая изображения CLIP легкой многорежимной кодировкой и применяя квантовую подготовку (QAT) для эффективной открытой классификации (ВЗУ) на кадрах. Вместе с тем двухэтапная оптимизация предусматривает различные цели для перегонки и ОКТ, а контрастное обучение осуществляется в пределах квантизированного студенческого пространства, что может привести к непоследовательной оптимизации и снижению эффективности подготовки. Кроме того, идентичный надзор за всеми видами деятельности РОГ и другими механизмами может привести к дисбалансу в рамках механизма. Мы предлагаем единую основу для квантизированной семантической дистилляции, адаптированной к экстремальному развертыванию. Благодаря совместному оптимизации перегонки и квантизации в рамках единой системы, основанной на учителях, наш метод обеспечивает последовательную подготовку при квантинге, подавление жестких негативных факторов и расширение диапазона принятия решений. Кроме того, мы проектируем легкий адаптер с…
Эффективная дистилляция с помощью кумулятивных средств для моделирования эдж-видение-лангаж
arXiv: 2609.16689v1 Annualce Type: New Brieflow: Models of music-language (VLM), такие как CLIP, дают возможность твердо мыслить на основе открытых голосов, однако развертывание этих возможностей в случае использования устройств с ограниченными ресурсами попрежнему сопряжено с трудностями. EdgeVL решает эту проблему, делая изображения CLIP легкой многорежимной кодировкой и применяя квантовую подготовку (QAT) для эффективной открытой классификации (ВЗУ) на кадрах. Вместе с тем двухэтапная оптимизация предусматривает различные цели для перегонки и ОКТ, а контрастное обучение осуществляется в пределах квантизированного студенческого пространства, что может привести к непоследовательной оптимизации и снижению эффективности подготовки. Кроме того, идентичный надзор за всеми видами деятельности РОГ и другими механизмами может привести к дисбалансу в рамках механизма. Мы предлагаем единую основу для квантизированной семантической дистилляции, адаптированной к экстремальному развертыванию. Совместная оптимизация перегонки и квантизации в рамках единой педагогической системы, наш метод e