論文の概要: MaskedKD: Efficient Distillation of Vision Transformers with Masked Images

• arxiv url: http://arxiv.org/abs/2302.10494v2
• Date: Wed, 31 May 2023 04:50:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-02 03:11:11.110719
• Title: MaskedKD: Efficient Distillation of Vision Transformers with Masked Images
• Title（参考訳）: maskedkd: マスク画像を用いた視覚トランスフォーマーの効率的な蒸留
• Authors: Seungwoo Son and Namhoon Lee and Jaeho Lee
• Abstract要約: 本稿では,推論における教師の運営コストを大幅に削減する戦略であるMaskedKDを提案する。 MaskedKDは、教師に供給された画像パッチトークンの一部を隠蔽することで、推論時に教師を走らせるコストを下げる。 我々は,MaskedKDが学生のパフォーマンス低下を伴わずに蒸留コストを50%削減できることを実証した。
• 参考スコア（独自算出の注目度）: 18.237639015171425
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge distillation is an effective method for training lightweight models, but it introduces a significant amount of computational overhead to the training cost, as the method requires acquiring teacher supervisions on training samples. This additional cost -- called distillation cost -- is most pronounced when we employ large-scale teacher models such as vision transformers (ViTs). We present MaskedKD, a simple yet effective strategy that can significantly reduce the cost of distilling ViTs without sacrificing the prediction accuracy of the student model. Specifically, MaskedKD diminishes the cost of running teacher at inference by masking a fraction of image patch tokens fed to the teacher, and therefore skipping the computations required to process those patches. The mask locations are selected to prevent masking away the core features of an image that the student model uses for prediction. This mask selection mechanism operates based on some attention score of the student model, which is already computed during the student forward pass, and thus incurs almost no additional computation. Without sacrificing the final student accuracy, MaskedKD dramatically reduces the amount of computations required for distilling ViTs. We demonstrate that MaskedKD can save up the distillation cost by $50\%$ without any student performance drop, leading to approximately $28\%$ drop in the overall training FLOPs.
• Abstract（参考訳）: 知識蒸留は軽量モデルの訓練に有効な方法であるが、その方法には教師の指導を受ける必要があるため、訓練コストにかなりの計算オーバーヘッドをもたらす。 蒸留コストと呼ばれるこの追加コストは、視覚変換器(ViT)のような大規模な教師モデルを採用する際に最も顕著である。 学生モデルの予測精度を犠牲にすることなく,ViTの蒸留コストを大幅に削減できる簡易かつ効果的な方法であるMaskedKDを提案する。 具体的には、 maskedkd は教師に供給されるイメージパッチトークンのごく一部をマスキングすることで、推論における教師の実行コストを削減し、そのパッチを処理するのに必要な計算をスキップする。 マスク位置は、学生モデルが予測に使用する画像の核となる特徴をマスキングするのを防ぐために選択される。 このマスク選択機構は、学生のフォワードパス中に既に計算されている学生モデルの注意スコアに基づいて動作し、そのため追加の計算がほとんど行われない。 最終学生の精度を犠牲にすることなく、MaskedKDはViTの蒸留に必要な計算量を劇的に削減する。 maskedkdは、学生の成績が低下することなく、蒸留コストを50〜%削減できることを実証し、全体のトレーニングフラップが約28〜%低下することを示した。

関連論文リスト

• Bootstrap Masked Visual Modeling via Hard Patches Mining [68.74750345823674]
  マスク付き視覚モデリングは、一般化可能な表現の学習において有望な可能性を秘めているため、多くの注目を集めている。 モデルが教師の靴の中に立つことは同様に重要であると我々は主張する。 教師としてのモデルを強化するため,我々はハードパッチマイニング(HPM, Hard Patches Mining)を提案し,パッチワイド損失を予測し,次にマスクの場所を決定する。
  論文  参考訳（メタデータ） (2023-12-21T10:27:52Z)
• Hybrid Distillation: Connecting Masked Autoencoders with Contrastive Learners [102.20090188997301]
  コントラスト学習(CL)とマスクド画像モデリング(MIM)の強みを組み合わせたモデルを得る方法について検討する。 識別と多様性の両立を図るため, 単純かつ効果的なハイブリッド蒸留戦略を提案する。 実験の結果、Hybrid Distillは異なるベンチマークで優れた性能が得られることが証明された。
  論文  参考訳（メタデータ） (2023-06-28T02:19:35Z)
• Tailoring Instructions to Student's Learning Levels Boosts Knowledge Distillation [52.53446712834569]
  LGTM(Learning Good Teacher Matters)は,教師の学習プロセスに蒸留の影響を組み込むための効果的な訓練手法である。 我々のLGTMはGLUEベンチマークで6つのテキスト分類タスクに基づいて10の共通知識蒸留基準を上回ります。
  論文  参考訳（メタデータ） (2023-05-16T17:50:09Z)
• Hard Patches Mining for Masked Image Modeling [52.46714618641274]
  マスク付き画像モデリング(MIM)は、スケーラブルな視覚表現を学習する有望な可能性から、多くの研究の注目を集めている。 我々はMIM事前学習のための新しいフレームワークであるHPM(Hard Patches Mining)を提案する。
  論文  参考訳（メタデータ） (2023-04-12T15:38:23Z)
• Supervised Masked Knowledge Distillation for Few-Shot Transformers [36.46755346410219]
  そこで本稿では,少数のトランスフォーマーを対象としたSMKD(Supervised Masked Knowledge Distillation Model)を提案する。 従来の自己管理手法と比較して,クラストークンとパッチトークンの両方でクラス内知識蒸留が可能である。 簡単な設計による手法は,従来の手法を大きなマージンで上回り,新たなスタート・オブ・ザ・アーティファクトを実現する。
  論文  参考訳（メタデータ） (2023-03-25T03:31:46Z)
• Exploring The Role of Mean Teachers in Self-supervised Masked Auto-Encoders [64.03000385267339]
  マスク付き画像モデリング(MIM)は視覚変換器を用いた視覚表現の自己教師型学習(SSL)の一般的な戦略となっている。 簡単なSSL方式であるRC-MAE(Restruction-Consistent Masked Auto-Encoder)を提案する。 RC-MAEは、事前学習中に最先端の自己蒸留法よりも早く収束し、メモリ使用量の削減を必要とする。
  論文  参考訳（メタデータ） (2022-10-05T08:08:55Z)
• Exploring Target Representations for Masked Autoencoders [78.57196600585462]
  目的表現の注意深い選択は、よい表現を学ぶために不要であることを示す。 本研究では,多段階のマスク蒸留パイプラインを提案し,無作為なモデルを教師として利用する。 自己指導型自己指導法を非自明なマージンで上回り, 自己指導型教員(dBOT)によるマスク付き知識蒸留を行う手法を提案する。
  論文  参考訳（メタデータ） (2022-09-08T16:55:19Z)
• What to Hide from Your Students: Attention-Guided Masked Image Modeling [32.402567373491834]
  画像トークンマスキングは、テキストのトークンマスキングと根本的に異なる。 注意誘導マスキング(AttMask)と呼ばれる新しいマスキング戦略を導入する。
  論文  参考訳（メタデータ） (2022-03-23T20:52:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。