9-11 LLM相关论文集合

民意调查

• “高效神经网络推理的量化方法调查”，书籍章节：低功耗计算机视觉，2021 年。[论文]
• “Transformer 推理的全栈优化：一项调查”，arXiv，2023 年。[论文]
• “神经网络量化白皮书”，arXiv，2021 年。[论文]
• “二元神经网络：一项调查”，PR，2020 年。[论文] [ Extreme]

基于 Transformer 的模型

Vision  Transformer

• “Bi-ViT：突破视觉变换器量化的极限”，AAAI，2024 年。[论文] [ Extreme]
• “AQ-DETR：带有辅助查询的低位量化检测变压器”，AAAI，2024 年。[论文]
• “LRP-QViT：通过逐层相关性传播实现混合精度视觉变换器量化”，arXiv，2023 年。[论文] [ PTQ] [ MP]
• “MPTQ-ViT：用于 Vision Transformer 的混合精度训练后量化”，arXiv，2023 年。[论文] [ PTQ] [ MP]
• “I-ViT：用于高效视觉变换器推理的整数量化”，ICCV，2023 年。[论文] [代码]
• “RepQ-ViT：视觉变换器训练后量化的尺度重参数化”，ICCV，2023 年。[论文] [代码] [ PTQ]
• “QD-BEV：用于多视图 3D 物体检测的量化感知视图引导蒸馏”，ICCV，2023 年。[论文]
• “BiViT：极度压缩的二进制视觉变换器”，ICCV，2023 年。[论文] [ Extreme]
• “跨越局部最小值：视觉变换器损失图中的量化”，ICCV，2023 年。[论文]
• “PackQViT：通过移动设备上的完全量化和打包量化实现更快的 8 位以下视觉变换器”，NeurIPS，2023 年。[论文]
• “低位视觉变换器的无振荡量化”，ICML，2023 年。[论文] [代码]
• “PSAQ-ViT V2：面向视觉变换器的准确且通用的无数据量化”，TNNLS，2023 年。[论文]
• “变化感知视觉变换器量化”，arXiv，2023 年。[论文]
• “NoisyQuant：用于视觉变换器的噪声偏差增强训练后激活量化”，CVPR，2023 年。[论文] [ PTQ]
• “具有 GPU 友好的稀疏性和量化的 Boost Vision Transformer”，CVPR，2023 年。[论文]
• “Q-DETR：一种高效的低位量化检测变压器”，CVPR，2023 年。[论文]
• “输出敏感度感知 DETR 量化”，2023 年。[论文]
• “Q-HyViT：带有桥块重建的混合视觉变换器的训练后量化”，arXiv，2023 年。[论文] [ PTQ]
• “Q-ViT：准确且完全量化的低位视觉变换器”，NeurIPS，2022 年。[论文] [代码]
• “用于视觉变换器的块相似性感知无数据量化”，ECCV，2022 年。[论文] [代码] [ PTQ]
• “PTQ4ViT：具有双均匀量化的视觉变换器训练后量化”，ECCV，2022 年。[论文] [代码] [ PTQ]
• “FQ-ViT：完全量化视觉变换器的训练后量化”，IJCAI，2022 年。[论文] [代码] [ PTQ]
• “Q-ViT：视觉变换器的完全可微量化”，arXiv，2022 年。[论文]
• “Vision Transformer 的训练后量化”，NeurIPS，2021 年。[论文] [ PTQ]

[返回概览]

语言转换器

• “- “OmniQuant：大型语言模型的全方位校准量化”，ICLR，2024 年。[论文]”
• “LoftQ：用于大型语言模型的 LoRA 微调感知量化”，ICLR，2024 年。[论文]
• “SpQR：近无损 LLM 权重压缩的稀疏量化表示”，ICLR，2024 年。[论文] [ PTQ]
• “QA-LoRA：大型语言模型的量化感知低秩自适应”，ICLR，2024 年。[论文]
• “QLLM：适用于大型语言模型的准确高效的低位宽量化”，ICLR，2024 年。[论文] [ PTQ]
• “PB-LLM：部分二值化大型语言模型”，ICLR，2024 年。[论文] [ Extreme]
• “AffineQuant：大型语言模型的仿射变换量化”，ICLR，2024 年。[论文]
• “重新思考通道维度以隔离大型语言模型低位权重量化的异常值”，ICLR，2024 年。[论文]
• “LUT-GEMM：基于 LUT 的量化矩阵乘法，用于大规模生成语言模型中的高效推理”，ICLR，2024 年。[论文]
• “OWQ：用于大型语言模型高效微调和推理的异常值感知权重量化”，AAAI，2024 年。[论文]
• “规范调整：大型语言模型的高性能低位量化”，AAAI，2024 年。[论文]
• “Agile-Quant：激活引导量化，实现边缘 LLM 的更快推理”，AAAI，2024 年。[论文]
• “从综合研究到低秩补偿探索法学硕士 (LLM) 中的训练后量化”，AAAI，2024 年。[论文] [ PTQ]
• “是什么让大型语言模型的量化变得困难？从扰动角度进行的实证研究”，AAAI，2024 年。[论文]
• “EasyQuant：一种高效的 LLM 无数据量化算法”，arXiv，2024 年。[论文]
• “IntactKV：通过保持枢轴标记完整来改进大型语言模型量化”，arXiv，2024 年。[论文]
• “FlattenQuant：通过每个张量量化突破大型语言模型的推理计算限制”，arXiv，2024 年。[论文]
• “大型语言模型量化策略的综合评估”，arXiv，2024 年。[论文]
• “GPTVQ：维度对 LLM 量化的祝福”，arXiv，2024 年。[论文]
• “APTQ：针对大型语言模型的注意力感知训练后混合精度量化”，arXiv，2024 年。[论文]
• “EdgeQAT：用于加速边缘轻量级 LLM 的熵和分布引导量化感知训练”，arXiv，2024 年。[论文]
• “RepQuant：通过尺度重参数化实现大型 Transformer 模型的精确训练后量化”，arXiv，2024 年。[论文]
• “通过信息保留对 LLM 进行准确的 LoRA 微调量化”，arXiv，2024 年。[论文]
• “BiLLM：突破 LLM 训练后量化的极限”，arXiv，2024 年。[论文]
• “KVQuant：通过 KV 缓存量化实现 1000 万上下文长度 LLM 推理”，arXiv，2023 年。[论文]
• “通过加性量化对大型语言模型进行极端压缩”，arXiv，2023 年。[论文]
• “ZeroQuant(4+2)：使用新的以 FP6 为中心的策略重新定义 LLM 量化，以用于各种生成任务”，arXiv，2023 年。[论文] [ PTQ]
• “CBQ：大型语言模型的跨块量化”，arXiv，2023 年。[论文] [ PTQ]
• “FP8-BERT：Transformer 的训练后量化”，arXiv，2023 年。[论文] [ PTQ]
• “Agile-Quant：激活引导量化，实现边缘 LLM 的更快推理”，arXiv，2023 年。[论文]
• “SmoothQuant+：针对 LLM 的准确且高效的 4 位训练后权重量化”，arXiv，2023 年。[论文] [ PTQ]
• “可部署 LLM 量化的速度之旅”，arXiv，2023 年。[论文]
• “AFPQ：LLM 的非对称浮点量化”，arXiv，2023 年。[论文]
• “在 GPU 上启用快速 2 位 LLM：内存对齐、稀疏异常值和异步去量化”，arXiv，2023 年。[论文]
• “QLoRA：量化 LLM 的有效微调”，NeurIPS，2023 年。[论文] [代码]
• “QuIP：具有保证的大型语言模型的 2 位量化”，NeurIPS，2023 年。[论文] [代码] [ PTQ]
• “通过 4 位以下整数量化实现压缩大型语言模型的内存高效微调”，NeurIPS，2023 年。[论文]
• “SqueezeLLM：密集和稀疏量化”，arXiv，2023 年。[论文] [ PTQ] [ Non-uniform]
• “QFT：具有可负担资源的 LLM 量化全参数调整”，arXiv，2023 年。[论文]
• “QMoE：万亿参数模型的实用亚 1 位压缩”，arXiv，2023 年。[论文]
• “Atom：用于高效和准确 LLM 服务的低位量化”，arXiv，2023 年。[论文]
• “ZeroQuant-HERO：针对 W8A8 Transformers 的硬件增强稳健优化训练后量化框架”，arXiv，2023 年。[论文]
• “LLM-FP4：4 位浮点量化变压器”，arXiv，2023 年。[论文]
• “TEQ：用于 LLM 量化的可训练等效变换”，arXiv，2023 年。[论文]
• “使用 FP8 格式进行高效的训练后量化”，arXiv，2023 年。[论文]
• “概率权重固定：大规模训练神经网络权重不确定性以实现量化”，arXiv，2023 年。[论文]
• “通过有符号梯度下降优化 LLM 量化的权重舍入”，arXiv，2023 年。[论文]
• “规范调整：大型语言模型的高性能低位量化”，arXiv，2023 年。[论文]
• “了解训练后量化对大型语言模型的影响”，arXiv，2023 年。[论文]
• “QuantEase：基于优化的语言模型量化——一种高效直观的算法”，arXiv，2023 年。[论文]
• “FPTQ：大型语言模型的细粒度训练后量化”，arXiv，2023 年。[论文]
• “FineQuant：通过细粒度权重量化提高 LLM 效率”，arXiv，2023 年。[论文] [ PTQ]
• “基于梯度的训练后量化：挑战现状”，arXiv，2023 年。[论文] [ PTQ]
• “NUPES：通过幂指数搜索实现非均匀训练后量化”，arXiv，2023 年。[论文] [ Non-uniform]
• “ZeroQuant-FP：使用浮点格式在 LLM 训练后 W4A8 量化方面的飞跃”，arXiv，2023 年。[论文]
• “自我蒸馏量化：在基于 Transformer 的语言模型中实现高压缩率”，arXiv，2023 年。[论文]
• “量化大型语言模型中是否存在突现能力：一项实证研究”，arXiv，2023 年。[论文]
• “INT2.1：通过低秩自适应实现可精细调整的量化大型语言模型和错误修正”，arXiv，2023 年。[论文]
• “QIGen：为大型语言模型的量化推理生成高效内核”，arXiv，2023 年。[论文] [代码]
• “OWQ：从激活异常值中吸取的教训，用于大型语言模型中的权重量化”，arXiv，2023 年。[论文] [ PTQ]
• “PreQuant：一种与任务无关的预训练语言模型量化方法”，arXiv，2023 年。[论文]
• “AWQ：用于 LLM 压缩和加速的激活感知权重量化”，arXiv，2023 年。[论文] [ PTQ]
• “LLM-QAT：大型语言模型的无数据量化感知训练”，arXiv，2023 年。[论文]
• “异常值抑制+：通过等效和最优移位和缩放对大型语言模型进行精确量化”，arXiv，2023 年。[论文] [ PTQ]
• “RPTQ：基于重新排序的大型语言模型训练后量化”，arXiv，2023 年。[论文] [代码] [ PTQ]
• “4 位精度的情况：k 位推理缩放定律”，ICML，2023 年。[论文]
• “具有收敛保证的大型模型的量化分布式训练”，ICML，2023 年。[论文]
• “理解语言模型的 Int4 量化：延迟加速、可组合性和故障情况”，ICML，2023 年。[论文]
• “SmoothQuant：针对大型语言模型的准确、高效的训练后量化”，ICML，2023 年。[论文] [代码] [ PTQ]
• “GPTQ：针对生成式预训练 Transformer 的精确训练后量化”，ICLR，2023 年。[论文] [代码] [ PTQ]
• “BiBERT：准确的完全二值化 BERT”，ICLR，2022 年。[论文] [代码] [ Extreme]
• “BiT：稳健二值化多重提炼 Transformer”，NeurIPS，2022 年。[论文] [代码] [ Extreme]
• “异常值抑制：突破低位 Transformer 语言模型的极限”，NeurIPS，2022 年。[论文] [代码] [ PTQ]
• “LLM.int8()：用于大规模 Transformer 的 8 位矩阵乘法”，NeurIPS，2022 年。[论文] [代码]
• “实现预训练语言模型的有效训练后量化”，NeurIPS，2022 年。[论文] [ PTQ]
• “ZeroQuant：针对大规模 Transformer 的高效且经济的训练后量化”，NeurIPS，2022 年。[论文] [代码] [ PTQ]
• “通过量化压缩生成预训练语言模型”，ACL，2022 年。[论文]
• “I-BERT：仅整数 BERT 量化”，ICML，2021 年。[论文] [代码]
• “BinaryBERT：突破 BERT 量化的极限”，ACL，2021 年。[论文] [代码] [ Extreme]
• “论 Transformer 中注意力值的分布、稀疏性和推理时间量化”，ACL，2021 年。[论文]
• “理解并克服高效 Transformer 量化的挑战”，EMNLP，2021 年。[论文] [代码]
• “KDLSQ-BERT：结合知识蒸馏和学习步长量化的量化 Bert”，arXiv，2021 年。[论文]
• “TernaryBERT：可蒸馏的超低位 BERT”，EMNLP，2020 年。[论文] [代码] [ Extreme]
• “用于设备上神经机器翻译的极低比特变压器量化”，EMNLP，2020 年。[论文]
• “GOBO：量化基于注意力的 NLP 模型，实现低延迟和节能推理”，MICRO，2020 年。[论文]
• “面向 Transformer 模型的完全 8 位整数推理”，IJCAI，2020 年。[论文]
• “Q-BERT：基于 Hessian 的 BERT 超低精度量化”，AAAI，2020 年。[论文]
• “Transformer 神经机器语言翻译模型的高效 8 位量化”，ICML，2019 年。[论文]
• “Q8BERT：量化 8 位 BERT”，EMC2 研讨会，2019 年。[论文]

[返回概览]

卷积神经网络

视觉生成

• “EfficientDM：低位扩散模型的高效量化感知微调”，ICLR，2024 年。[论文]
• “QuEST：通过有效选择性微调实现低位扩散模型量化”，arXiv，2024 年。[论文]
• “增强分布对齐以实现扩散模型的训练后量化”，arXiv，2023 年。[论文]
• “潜在扩散模型的有效量化策略”，arXiv，2023 年。[论文] [ PTQ]
• “TFMQ-DM：扩散模型的时间特征维护量化”，arXiv，2023 年。[论文]
• “针对文本到图像扩散模型的训练后量化与渐进校准和激活放松”，arXiv，2023 年。[论文]
• “CPU 上扩散模型的有效量化”，arXiv，2023 年。[论文]
• “PTQD：针对扩散模型的精确训练后量化”，NeurIPS，2023 年。[论文] [ PTQ]
• “Q-DM：一种高效的低位量化扩散模型”，NeurIPS，2023 年。[论文]
• “扩散模型的时间动态量化”，NeurIPS，2023 年。[论文]
• “Q-diffusion：量化扩散模型”，ICCV，2023 年。[论文] [代码] [ PTQ]
• “面向扩散模型的精确无数据量化”，arXiv，2023 年。[论文] [ PTQ]
• “扩散模型的训练后量化”，CVPR，2023 年。[论文] [代码] [ PTQ]

图像分类

• “让 RepVGG 再次变得更好：一种量化感知方法”，AAAI，2024 年。[论文]
• “MetaMix：用于混合精度激活量化的元状态精度搜索器”，AAAI，2024 年。[论文] [ MP]
• “用于无数据量化的鲁棒性引导图像合成”，AAAI，2024 年。[论文]
• “PTMQ：神经网络的训练后多比特量化”，AAAI，2024 年。[论文] [ PTQ]
• “可训练定点量化，用于 FPGA 上的深度学习加速”，arXiv，2023 年。[论文]
• “StableQ：使用文本到图像数据增强数据稀缺量化”，arXiv，2023 年。[论文]
• “理解具有前向和后向近端量化器的神经网络二值化”，NeurIPS，2023 年。[论文] [ Extreme]
• “TexQ：具有纹理特征分布校准的零样本网络量化”，NeurIPS，2023 年。[论文]
• “克服量化感知训练中的遗忘灾难”，ICCV，2023 年。[论文]
• “Causal-DFQ：因果关系引导的无数据网络量化”，ICCV，2023 年。[论文] [代码]
• “DenseShift：迈向准确高效的低位二次方量化”，ICCV，2023 年。[论文]
• “EQ-Net：弹性量化神经网络”，ICCV，2023 年。[论文] [代码]
• “A2Q：具有保证溢出避免功能的累加器感知量化”，ICCV，2023 年。[论文]
• “EMQ：不断发展的自动混合精度量化的免训练代理”，ICCV，2023 年。[论文] [ MP]
• “统一无数据压缩：无需微调的修剪和量化”，ICCV，2023 年。[论文] [ PTQ]
• “少位后向：用于减少内存占用的激活函数量化梯度”，ICML，2023 年。[论文] [代码]
• “FlexRound：基于元素除法的可学习舍入，用于训练后量化”，ICML，2023 年。[论文] [ PTQ]
• “通过无需微调的混合精度补偿实现无数据量化”，PR，2023 年。[论文]
• “OMPQ：正交混合精度量化”，AAAI，2023 年。[论文] [ MP]
• “将无数据量化重新思考为零和游戏”，AAAI，2023 年。[论文]
• “用于网络量化的量化特征蒸馏”，AAAI，2023 年。[论文]
• “弹性二元神经网络”，AAAI，2023 年。[论文] [ Extreme]
• “基于深度宽度重塑的快速准确二元神经网络”，AAAI，2023 年。[论文] [ Extreme]
• “通过自适应核心集选择实现高效的量化感知训练”，arXiv，2023 年。[论文]
• “混合精度量化的一次性模型”，CVPR，2023 年。[论文] [ MP]
• “自适应无数据量化”，CVPR，2023 年。[论文]
• “位缩减：限制瞬时清晰度以改善训练后量化”，CVPR，2023 年。[论文] [ PTQ]
• “从理论角度解决训练后量化中的振荡问题”，CVPR，2023 年。[论文] [代码] [ PTQ]
• “GENIE：向我展示量化数据”，CVPR，2023 年。[论文] [代码] [ PTQ]
• “贝叶斯非对称量化神经网络”，PR，2023 年。[论文]
• “针对精确二元神经网络的分布敏感信息保留”，IJCV，2023 年。[论文] [ Extreme]
• “SDQ：具有混合精度的随机可微量化”，ICML，2022 年。[论文] [ MP]
• “在深度神经网络中寻找任务最优低位子分布”，ICML，2022 年。[论文] [代码]
• “GACT：通用网络架构的激活压缩训练”，ICML，2022 年。[论文] [代码]
• “克服量化感知训练中的震荡”，ICML，2022 年。[论文] [代码]
• “非均匀到均匀量化：通过广义直通估计实现准确量化”，CVPR，2022 年。 [论文] [代码] [ Non-uniform]
• “用于神经网络量化的可学习查找表”，CVPR，2022 年。[论文] [代码] [ Non-uniform]
• “Mr.BiQ：基于最小化重建误差的训练后非均匀量化”，CVPR，2022 年。[论文] [ PTQ] [ Non-uniform]
• “通过参数非均匀混合精度量化实现无数据网络压缩”，CVPR，2022 年。[论文] [ Non-uniform] [ MP]
• “IntraQ：学习具有类内异质性的合成图像以实现零样本网络量化”，CVPR，2022 年。[论文] [代码]
• “实例感知动态神经网络量化”，CVPR，2022 年。[论文]
• “利用层间依赖性进行训练后量化”，NeurIPS，2022 年。[论文] [ PTQ]
• “通过平滑感知量化技术实现理论上更好、数值上更快的分布式优化”，NeurIPS，2022 年。[论文]
• “用于深度网络设计的熵驱动混合精度量化”，NeurIPS，2022 年。[论文] [ MP]
• “AdderNet 量化的权重和激活重新分配”，NeurIPS，2022 年。[论文]
• “FP8 量化：指数的力量”，NeurIPS，2022 年。[论文] [代码]
• “最佳脑压缩：准确的训练后量化和修剪框架”，NeurIPS，2022 年。[论文] [代码] [ PTQ]
• “ClimbQ：类别不平衡量化，实现高效推理的稳健性”，NeurIPS，2022 年。[论文]
• “非均匀步长量化以实现准确的训练后量化”，ECCV，2022 年。[论文] [ PTQ] [ Non-uniform]
• “通过等效平滑正则化器实现精确网络量化”，ECCV，2022 年。[论文]
• “BASQ：针对 4 位以下神经网络的分支激活剪辑搜索量化”，ECCV，2022 年。[论文] [代码]
• “RDO-Q：通过率失真优化实现极细粒度的通道量化”，ECCV，2022 年。[论文]
• “通过学习逐层重要性实现混合精度神经网络量化”，ECCV，2022 年。[论文] [代码] [代码] [ MP]
• “稳健量化的对称正则化和饱和非线性”，ECCV，2022 年。[论文]
• “RAPQ：挽救 2 的幂低位训练后量化的准确率”，IJCAI，2022 年。[论文] [代码] [ PTQ]
• “MultiQuant：一次训练即可实现神经网络的多位量化”，IJCAI，2022 年。[论文]
• “F8Net：用于网络量化的定点 8 位乘法”，ICLR，2022 年。[论文]
• “通过块量化实现的 8 位优化器”，ICLR，2022 年。[论文] [代码]
• “信息瓶颈：（量化）神经网络的精确分析”，ICLR，2022 年。[论文] [代码]
• “QDrop：随机丢弃量化以实现极低位训练后量化”，ICLR，2022 年。[论文] [代码] [ PTQ]
• “SQuant：通过对角线 Hessian 近似实现即时无数据量化”，ICLR，2022 年。[论文] [代码] [ PTQ]
• “FILM-QNN：具有层内混合精度量化的深度神经网络的高效 FPGA 加速”，FPGA，2022 年。[论文] [ MP]
• “使用小校准集进行准确的训练后量化”，ICML，2021 年。[论文] [代码] [ PTQ]
• “Adam 和训练策略如何帮助 BNN 优化？”, ICML，2021 年。[论文] [代码]
• “ActNN：通过 2 位激活压缩训练减少训练内存占用”，ICML，2021 年。[论文] [代码]
• “HAWQ-V3：二元神经网络量化”，ICML，2021 年。[论文] [代码] [ MP]
• “具有混合精度和自适应分辨率的可微分动态量化”，ICML，2021 年。[论文] [ MP]
• “Auto-NBA：在网络、位宽和加速器的联合空间中进行高效搜索”，ICML，2021 年。[论文] [代码]
• “Qimera：具有合成边界支持样本的无数据量化”，NeurIPS，2021 年。[论文] [代码]
• “训练后稀疏性感知量化”，NeurIPS，2021 年。[论文] [代码] [ PTQ]
• “多样化样本生成以实现准确的无数据量化”，CVPR，2021 年。[论文] [ PTQ]
• “置换、量化和微调：神经网络的有效压缩。”, CVPR，2021 年。[论文] [代码]
• “可学习的压缩量化，用于精确的低位神经网络”，CVPR，2021 年。[论文]
• “零样本对抗量化”，CVPR，2021 年。[论文] [代码]
• “使用逐元素梯度缩放的网络量化”，CVPR，2021 年。[论文] [代码]
• “高容量专家二元网络”，ICLR，2021 年。 [论文] [代码] [ Extreme]
• “多奖彩票假设：通过修剪随机加权网络寻找准确的二元神经网络”，ICLR，2021 年。[论文] [代码] [ Extreme]
• “BRECQ：通过块重建突破训练后量化的极限”，ICLR，2021 年。[论文] [代码] [ PTQ]
• “神经梯度接近对数正态：改进的量化和稀疏训练”，ICLR，2021 年。[论文]
• “使用量化噪声进行训练以实现极端模型压缩”，ICLR，2021 年。[论文]
• “BSQ：探索混合精度神经网络量化的位级稀疏性”，ICLR，2021 年。[论文] [代码] [ MP]
• “简单的增强大有裨益：用于 DNN 量化的 ADRL”，ICLR，2021 年。[论文]
• “用于训练 CNN 的分布自适应 INT8 量化”，AAAI，2021 年。[论文]
• “随机精度集成：量化深度神经网络的自我知识提炼”，AAAI，2021 年。[论文]
• “优化基于信息理论的按位瓶颈以实现高效的混合精度激活量化”，AAAI，2021 年。[论文] [ MP]
• “OPQ：使用一次性剪枝量化压缩深度神经网络”，AAAI，2021 年。[论文]
• “量化神经网络的可扩展验证”，AAAI，2021 年。[论文] [代码]
• “通过凸神经网络的引导实现 CNN 中的不确定性量化”，AAAI，2021 年。[论文]
• “FracBits：通过分数位宽实现混合精度量化”，AAAI，2021 年。[论文] [ MP]
• “多点训练后量化：无混合精度的混合精度”，AAAI，2021 年。[论文] [ PTQ] [ MP]
• “ZeroQ：一种新颖的零样本量化框架”，CVPR，2020 年。 [论文] [代码] [ PTQ]
• “LSQ+：通过可学习偏移和更好的初始化改进低位量化”，CVPR，2020 年。[论文]
• “HAWQ-V2：基于 Hessian 的神经网络迹加权量化”，NeurIPS，2020 年。[论文] [ MP]
• “学习步长量化”，ICLR，2020 年。[论文]
• “HAWQ：具有混合精度的神经网络的 Hessian AWare 量化”，ICCV，2019 年。[论文] [ MP]
• “通过权重均衡和偏差校正实现无数据量化”，ICCV，2019 年。[论文] [ PTQ]
• “HAQ：具有混合精度的硬件感知自动量化”，CVPR，2019 年。[论文] [代码] [ MP]
• “PACT：量化神经网络的参数化剪切激活”，arXiv，2018 年。[论文]
• “用于高效整数算术推理的神经网络量化与训练”，CVPR，2018 年。[论文]

[返回概览]

其他任务

物体检测

• “使用任务损失引导的 Lp 指标改进对象检测的训练后量化”，arXiv，2023 年。[论文] [ PTQ]
• “AQD：实现准确的量化物体检测”，CVPR，2021 年。[论文]
• “BiDet：一种高效的二值化物体检测器”，CVPR，2020 年。[论文] [代码] [ Extreme]
• “用于对象检测的完全量化网络”，CVPR，2019 年。[论文]

超分辨率

• “QuantSR：实现高效图像超分辨率的精确低位量化”，NeurIPS，2023 年。[论文]
• “实现图像超分辨率的精确训练后量化”，CVPR，2023 年。[论文] [代码] [ PTQ]
• “EBSR：用于图像超分辨率的增强二元神经网络”，arXiv，2023 年。[论文] [ Extreme]
• “CADyQ：用于图像超分辨率的内容感知动态量化”，ECCV，2022 年。[论文] [代码]
• “超低精度超分辨率网络的动态双可训练界限”，ECCV，2022 年。[论文] [代码]
• “DAQ：深度图像超分辨率网络的通道分布感知量化”，WACV，2022 年。[论文] [代码]
• “完全量化图像超分辨率网络”，ACM MM，2021 年。[论文] [代码]
• “PAMS：通过参数化最大尺度实现量化超分辨率”，ECCV，2020 年。[论文] [代码]
• “训练不使用批量归一化的二值神经网络实现图像超分辨率”，AAAI，2021 年。[论文] [ Extreme]

点云

• “LiDAR-PTQ：点云 3D 物体检测的训练后量化”，ICLR，2024 年。[论文] [ PTQ]
• “二值化稀疏卷积网络以实现高效点云分析”，arXiv，2023 年。[论文] [ Extreme]
• “BiPointNet：点云的二元神经网络”，ICLR，2021 年。[论文] [代码] [ Extreme]