Online Multi-Granularity Distillation for GAN Compression

Генеративно-состязательные сети (GAN) обременительно развертывать на устройствах с ограниченными ресурсами из-за больших вычислительных затрат и огромного использования памяти. Несмотря на то, что недавние попытки сжатия GAN принесли замечательные результаты, они все еще имеют потенциальную избыточность моделей и могут быть сжаты в дальнейшем.

Чтобы решить эту проблему, ребята из ByteDance предложили новую онлайн-схему мульти-гранулярной дистилляции (OMGD) для получения облегченных GAN, которая способствует созданию изображений с высокой точностью и низкими вычислительными требованиями. Экспериментальные результаты на четырех наборах тестовых данных демонстрируют, что OMGD достигает 40-кратного уменьшения вычислительной сложности в операциях умножения-накопления и 82,5 кратного уменьшения числа параметров на Pix2Pix и CycleGAN без потери качества изображения. Он показывает, что OMGD предоставляет реальное решение для развертывания перевода изображений в реальном времени на устройствах с ограниченными ресурсами.

Ссылка на статью: https://arxiv.org/pdf/2108.06908v1.pdf

Ссылка на GitHub репозиторий: https://github.com/bytedance/omgd

Источник: github.com

Комментарии: