Core Concepts
인간 지각에서 영감을 받아 동적 추론 비용과 상향식 주의를 통합하는 혁신적인 네트워크 토폴로지를 소개합니다.
Abstract
논문에서는 인간 지각에서 영감을 받아 동적 추론 비용과 상향식 주의를 통합하는 새로운 네트워크 토폴로지를 제안합니다.
인간의 지각 능력을 모델링하여 저수준 특징의 순차적 처리와 고수준 특징의 병렬 및 중첩을 결합합니다.
제안된 토폴로지는 가벼우면서도 적응 가능한 미래의 네트워크 디자인을 열어줍니다.
네트워크는 동적 추론 비용을 최적화하고 다시 훈련할 필요 없이 작업 관련 범주의 네트워크 세그먼트만 활성화할 수 있는 "cutout" 기술을 도입합니다.
실험 결과, 동적 추론 비용 측면에서 기존 모델 대비 매개변수의 최대 73.48% 제외와 GMAC 작업의 84.41% 감소를 달성했습니다.
Stats
우리의 방법론은 매개변수의 최대 73.48% 제외와 GMAC 작업의 84.41% 감소를 달성했습니다.
실험 결과, 매개변수의 평균 40% 및 GMAC의 8% 감소를 보였습니다.
Quotes
"우리의 제안된 토폴로지는 동적 추론 비용과 상향식 주의를 효과적으로 통합합니다."
"이는 모바일 컴퓨팅, 산업, 드론, 로봇 응용 프로그램에 중요합니다."