BiDense：用于稠密预测的二值化
计算机视觉与模式识别
2024-11-22 v2
摘要
稠密预测是计算机视觉中的关键任务。然而，以往方法通常需要大量计算资源，阻碍了其现实应用。本文提出 BiDense，一种面向高效且准确的稠密预测任务的广义二值神经网络 (BNN)。BiDense 包含两项关键技术：分布自适应二值化器 (DAB) 和通道自适应全精度旁路 (CFB)。DAB 自适应地计算二值化的阈值和缩放因子，有效保留 BNN 内部的更多信息。同时，CFB 为经历各种通道尺寸变换的二值卷积层提供全精度旁路，增强实值信号的传播并最小化信息损失。利用这些技术，BiDense 保留了更多实值信息，使 BNN 能够实现更准确、更细致的稠密预测。大量实验表明，该框架在显著降低内存占用和计算成本的同时，达到了与全精度模型相当的性能水平。
引用
@article{arxiv.2411.10346,
title = {BiDense: Binarization for Dense Prediction},
author = {Rui Yin and Haotong Qin and Yulun Zhang and Wenbo Li and Yong Guo and Jianjun Zhu and Cheng Wang and Biao Jia},
journal= {arXiv preprint arXiv:2411.10346},
year = {2024}
}