ASC:深度神经网络自适应尺度特征图压缩
原文中文,约500字,阅读约需1分钟。发表于: 。深度学习加速器的性能受到特征映射大小的限制,提出了一种自适应缩放特征映射压缩技术,通过利用特征映射的独特性质,采用独立通道索引和块状形状,以适应本地相关性,通过可切换的端点模式和自适应缩放插值来优化压缩,并且硬件设计最小化了面积成本,通过调整插值尺度方便硬件共享,实现了 32 倍的吞吐量增加,满足 DDR5-6400 的理论带宽,仅为硬件成本的 7.65 倍。
最近,研究发现基于神经网络的图像压缩方法在空间可扩展性方面表现出色。本文提出了一种名为COMPASS的新型基于NN的空间可扩展图像压缩方法,支持任意尺度的可扩展性。实验结果显示,与其他方法相比,COMPASS在各种比例因子下有较高的BD率提升和编码效率。