ИССЛЕДОВАНИЕ · RESEARCH · #1097
ACV-Gate: селективная амортизация контрфактического рассуждения для передачи визуальных токенов
В статье предложен ACV-Gate — адаптивная система оценки кандидатов, которая обучается аппроксимировать полную контрфактическую оценку и выборочно проводит точные оценки только для наиболее информативных кандидатов. На CIFAR-10 основная конфигурация повышает PSNR на 0.636 дБ при 0.20 bpp и требует в среднем 2.13 оценок кандидатов на изображение (≈27.6% вызовов Exact-Full); проверки на STL-10 и в более высоком разрешении демонстрируют устойчивые компромиссы между качеством и вычислениями, особенно при низких битрейтах.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье предложен ACV-Gate — адаптивная система оценки кандидатов, которая обучается аппроксимировать полную контрфактическую оценку и выборочно проводит точные оценки только для наиболее информативных кандидатов.
- На CIFAR-10 основная конфигурация повышает PSNR на 0.636 дБ при 0.20 bpp и требует в среднем 2.13 оценок кандидатов на изображение (≈27.6% вызовов Exact-Full); проверки на STL-10 и в более высоком разрешении демонстрируют устойчивые компромиссы между качеством и вычислениями, особенно при низких битрейтах.
- Сочетание обучения терминальных значений с селективными точными оценками позволяет снизить вычисления на стороне кодера при выборе токенов и сохранить либо улучшить качество реконструкции — важно для коммуникации изображений в условиях ограниченного пакета или низкой пропускной способности.
ПОЧЕМУ ЭТО ВАЖНО
Сочетание обучения терминальных значений с селективными точными оценками позволяет снизить вычисления на стороне кодера при выборе токенов и сохранить либо улучшить качество реконструкции — важно для коммуникации изображений в условиях ограниченного пакета или низкой пропускной способности.