Apple's Split-and-Scale mở rộng dung lượng 3D tiềm ẩn tại thời điểm suy luận
Bắt đầu từ đây
Các nhà nghiên cứu của Apple đề xuất split-and-scale, một phương pháp mở rộng dung lượng tiềm ẩn của biểu diễn 3D tại thời điểm suy luận trong khi vẫn giữ chi phí huấn luyện ở mức khả thi. Cách tiếp cận này áp dụng một tokenizer đã được huấn luyện trước duy nhất cho các vùng con nhỏ tùy ý của một cảnh, nhờ đó cùng một dung lượng tiềm ẩn bao phủ một phạm vi không gian nhỏ hơn và nắm bắt chi tiết cao hơn nhiều. Theo các nhà nghiên cứu, phương pháp này đạt chất lượng tương đương với các mô hình lớn hơn nhiều vốn vượt quá giới hạn bộ nhớ của một GPU đơn lẻ, và một bộ sinh 3D tự hồi quy được huấn luyện trên đó hoạt động cạnh tranh với các baseline tiên tiến nhất.
Tạo từ các bài viết · cập nhật 1 giờ trước
Dòng thời gian bài viết
Theo các bài viết để thấy sự việc từ nhiều phía.
- Apple Machine Learning ResearchApple Split-and-Scale mở rộng dung lượng biểu diễn 3D tiềm ẩn tại thời điểm suy luận
Các nhà nghiên cứu của Apple đề xuất split-and-scale, một phương pháp mở rộng dung lượng tiềm ẩn của biểu diễn 3D tại thời điểm suy luận trong khi vẫn giữ chi phí huấn luyện ở mức khả thi. Bằng cách áp dụng một tokenizer đã được huấn luyện trước cho các vùng con nhỏ tùy ý của một cảnh, phương pháp này phân bổ cùng một dung lượng tiềm ẩn cho một phạm vi không gian nhỏ hơn và nắm bắt chi tiết cao hơn nhiều. Cách tiếp cận này đạt chất lượng tương đương với các mô hình lớn hơn nhiều vốn vượt quá giới hạn bộ nhớ của một GPU đơn lẻ, và một bộ sinh 3D tự hồi quy được huấn luyện trên đó hoạt động cạnh tranh với các baseline tiên tiến nhất.
Độ nóng của sự việc này
Chưa đủ quan sát liên tục để vẽ xu hướng.