Apple 的 Split-and-Scale 在推理時擴展潛在 3D 容量
熱點事件觀察中
Apple 的 Split-and-Scale 在推理時擴展潛在 3D 容量
1 篇報導1 個報導來源2 天前更新
先了解這件事
AI 綜述
Apple 研究人員提出 split-and-scale,此方法可在推理時擴展 3D 表徵的潛在容量,同時讓訓練成本維持在可負擔的範圍內。此方法將單一預訓練分詞器套用於場景中任意小的子區域,因此相同的潛在容量可涵蓋更小的空間範圍,並捕捉到遠為更高的細節。 研究人員表示,此方法在品質上可與遠大於單一 GPU 記憶體上限的模型匹敵,而以此方法訓練的自迴歸 3D 生成器,表現也與最先進的基線模型相當。
AI 依報導生成 · 1 小時前更新
最新進展11月16日 08:00
Apple 的 Split-and-Scale 在推論時擴展潛在 3D 表徵容量報導時間線
沿著報導,了解事件的不同側面。
11月16日
- Apple Machine Learning ResearchApple 的 Split-and-Scale 在推論時擴展潛在 3D 表徵容量
Apple 研究人員提出 split-and-scale,此方法在推論時擴展 3D 表徵的潛在容量,同時讓訓練成本維持在可負擔的範圍。透過將單一預訓練分詞器套用於場景中任意小的子區域,它把相同的潛在容量分配給更小的空間範圍,並捕捉到遠更高的細節。此方法達到遠大於單一 GPU 記憶體上限的更大模型之品質,而以它訓練的自迴歸 3D 生成器表現可與最先進的基準方法競爭。
本事件熱度走勢
還沒有足夠的連續觀測資料,暫不繪製趨勢。