利用快速算法加速三维生成对抗网络
信号处理
2022-10-19 v1
摘要
三维生成对抗网络(3D-GAN)在三维(3D)视觉任务中引起了广泛关注。3D反卷积(DeConv)作为3D-GAN的重要计算,相较2D DeConv显著增加了计算复杂度。3D DeConv已成为3D-GAN加速的瓶颈。先前的加速器存在诸多问题,如内存需求大与资源利用率不足。为解决上述问题,本文提出一种用于3D DeConv的快速算法(F3DC)。F3DC应用快速算法减少乘法次数,实现了显著的算法强度缩减。此外,F3DC去除了重叠部分和所需的额外内存,并避免计算不均衡以充分利用资源。我们进一步设计了基于F3DC的硬件架构,其由四个快速处理单元(FPU)组成。每个FPU包含用于F3DC变换的预处理模块、EWMM模块与后处理模块。通过在Xilinx VC709平台上针对3D-GAN实现我们的设计,我们实现了高达1700 GOPS的吞吐量,且相较先前工作计算效率提升4。
引用
@article{arxiv.2210.09682,
title = {Accelerate Three-Dimensional Generative Adversarial Networks Using Fast Algorithm},
author = {Ziqi Su and Wendong Mao and Zhongfeng Wang and Jun Lin and Wenqiang Wang and Haitao Sun},
journal= {arXiv preprint arXiv:2210.09682},
year = {2022}
}