#829
summarized by : Kiro Otsu
Cross Domain Model Compression by Structurally Weight Sharing

どんな論文か?

ドメイン(タスク)を跨いだロバストなネットワーク圧縮方式の提案。訓練時に各モデルをグラフエンベッディングによって正則化することで、構造的に重みを共有している。チャンネルワイズな重み共有により、特別なアルゴリズムなしに計算コストを削減している。
placeholder

新規性

・スパース性に基づく手法や枝穫りアルゴリズム際の、ドメインを跨いだネットワーク圧縮の困難性を示した。 ・グラフ埋め込みを使った、ドメインを跨いだネットワーク圧縮の新しい手法を提案した。その手法はハイパーパラメータに対し頑健で、計算コストを下げることに成功している。

結果

動作認識と、RGB-D場面認識においてSOTAを出した。各レイヤーにおけるグループサイズが成功の要因の一つだと思われる。

その他(なぜ通ったか?等)