論文の概要: H3DFact: Heterogeneous 3D Integrated CIM for Factorization with Holographic Perceptual Representations

• arxiv url: http://arxiv.org/abs/2404.04173v1
• Date: Fri, 5 Apr 2024 15:32:49 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-08 15:35:54.871634
• Title: H3DFact: Heterogeneous 3D Integrated CIM for Factorization with Holographic Perceptual Representations
• Title（参考訳）: H3DFact:ホログラム表現による因子化のための不均一な3次元統合CIM
• Authors: Zishen Wan, Che-Kai Liu, Mohamed Ibrahim, Hanchen Yang, Samuel Spetalnick, Tushar Krishna, Arijit Raychowdhury,
• Abstract要約: H3DFactは、高次元ホログラム表現を効率的に分解できる不均一な3D統合インメモリ計算エンジンである。 H3DFact はホログラフィックベクトルの計算代入能力と,メモリ上の経験に基づく3D計算に関連付けられた本質性を利用する。
• 参考スコア（独自算出の注目度）: 6.3347476400923615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Disentangling attributes of various sensory signals is central to human-like perception and reasoning and a critical task for higher-order cognitive and neuro-symbolic AI systems. An elegant approach to represent this intricate factorization is via high-dimensional holographic vectors drawing on brain-inspired vector symbolic architectures. However, holographic factorization involves iterative computation with high-dimensional matrix-vector multiplications and suffers from non-convergence problems. In this paper, we present H3DFact, a heterogeneous 3D integrated in-memory compute engine capable of efficiently factorizing high-dimensional holographic representations. H3DFact exploits the computation-in-superposition capability of holographic vectors and the intrinsic stochasticity associated with memristive-based 3D compute-in-memory. Evaluated on large-scale factorization and perceptual problems, H3DFact demonstrates superior capability in factorization accuracy and operational capacity by up to five orders of magnitude, with 5.5x compute density, 1.2x energy efficiency improvements, and 5.9x less silicon footprint compared to iso-capacity 2D designs.
• Abstract（参考訳）: 様々な感覚信号の識別特性は、人間のような知覚と推論の中心であり、高次認知とニューロシンボリックAIシステムにとって重要なタスクである。 この複雑な分解を表現するためのエレガントなアプローチは、脳にインスパイアされたベクトル記号アーキテクチャに基づく高次元ホログラフィックベクトルである。 しかし、ホログラフィック分解は高次元行列ベクトル乗法による反復計算を伴い、非収束問題に悩まされる。 本稿では,高次元ホログラム表現を効率よく分解できる不均一な3次元統合インメモリ計算エンジンであるH3DFactを提案する。 H3DFactは、ホログラフィックベクトルの計算-重畳能力と、記憶量に基づく3D計算-インメモリに関連する内在的確率性を利用する。 H3DFactは、大規模な分解と知覚の問題から評価され、5.5倍の計算密度、1.2倍のエネルギー効率の改善、5.9倍のシリコンフットプリントを持つ、最大5桁の分解精度と運転能力の優れた能力を示す。

関連論文リスト

• Geometric Algebra Planes: Convex Implicit Neural Volumes [70.12234371845445]
  GA-Planes はスパース低ランク係数と低分解能行列と等価であることを示す。 また,GA-Planeは既存の表現にも適用可能であることを示す。
  論文  参考訳（メタデータ） (2024-11-20T18:21:58Z)
• OccLoff: Learning Optimized Feature Fusion for 3D Occupancy Prediction [5.285847977231642]
  3Dセマンティック占有予測は、自動運転の安全性を確保するために不可欠である。 既存のフュージョンベースの占有法では、画像の特徴に対して2次元から3次元のビュー変換を行うのが一般的である。 OccLoffは3次元占有予測のためにFeature Fusionを最適化するフレームワークである。
  論文  参考訳（メタデータ） (2024-11-06T06:34:27Z)
• L3DG: Latent 3D Gaussian Diffusion [74.36431175937285]
  L3DGは3次元ガウス拡散定式化による3次元ガウスの3次元モデリングのための最初のアプローチである。 我々は、部屋の大きさのシーンで効率的に操作するために、スパース畳み込みアーキテクチャーを用いている。 3Dガウス表現を利用することで、生成されたシーンを任意の視点からリアルタイムでレンダリングすることができる。
  論文  参考訳（メタデータ） (2024-10-17T13:19:32Z)
• SMPLer: Taming Transformers for Monocular 3D Human Shape and Pose Estimation [74.07836010698801]
  この問題に対処するために,SMPLベースのトランスフォーマーフレームワーク(SMPLer)を提案する。 SMPLerは、切り離された注意操作とSMPLベースのターゲット表現の2つの重要な要素を組み込んでいる。 SMPLerの既存の3次元人体形状に対する効果とポーズ推定方法の実証実験を行った。
  論文  参考訳（メタデータ） (2024-04-23T17:59:59Z)
• MinD-3D: Reconstruct High-quality 3D objects in Human Brain [50.534007259536715]
  Recon3DMindは、fMRI(Functional Magnetic Resonance Imaging)信号から3次元視覚を再構成するための革新的なタスクである。 このデータセットは14人の参加者のデータを含み、3Dオブジェクトの360度ビデオが特徴である。 我々は,脳の3次元視覚情報をfMRI信号から復号化するための,新規で効果的な3段階フレームワークMinD-3Dを提案する。
  論文  参考訳（メタデータ） (2023-12-12T18:21:36Z)
• X-HRNet: Towards Lightweight Human Pose Estimation with Spatially Unidimensional Self-Attention [63.64944381130373]
  特に, 主ポーズ推定法は, 2次元単一ピークヒートマップを用いて人間の関節を推定する。 本稿では,空間的一次元自己認識(SUSA)という軽量で強力な代替手段を,ポイントワイズ(1×1)の畳み込みに導入する。 我々のSUSAは、ポイントワイド(1x1)畳み込みの計算複雑性を、精度を犠牲にすることなく96%削減する。
  論文  参考訳（メタデータ） (2023-10-12T05:33:25Z)
• UNETR++: Delving into Efficient and Accurate 3D Medical Image Segmentation [93.88170217725805]
  本稿では,高画質なセグメンテーションマスクと,パラメータ,計算コスト,推論速度の両面での効率性を提供するUNETR++という3次元医用画像セグメンテーション手法を提案する。 我々の設計の核となるのは、空間的およびチャネル的な識別的特徴を効率的に学習する、新しい効率的な対注意ブロック(EPA)の導入である。 Synapse, BTCV, ACDC, BRaTs, Decathlon-Lungの5つのベンチマークで評価した結果, 効率と精度の両面で, コントリビューションの有効性が示された。
  論文  参考訳（メタデータ） (2022-12-08T18:59:57Z)
• In-memory factorization of holographic perceptual representations [14.621617156897301]
  感覚信号の構成因子の分散は、知覚と認知の中心である。 ホログラムの知覚表現を効率よく分解できる計算エンジンを提案する。
  論文  参考訳（メタデータ） (2022-11-09T17:36:06Z)
• Morphology Decoder: A Machine Learning Guided 3D Vision Quantifying Heterogenous Rock Permeability for Planetary Surveillance and Robotic Functions [0.0]
  透水性は自然流体の流動特性に支配的な影響を及ぼす。 格子ボルツマンシミュレータはナノ・マイクロ孔ネットワークから透過性を決定する。 機械学習のセグメント化した不均一な白亜紀テクスチャの並列・直列フロー再構成法であるモルフォロジーデコーダを提案する。
  論文  参考訳（メタデータ） (2021-11-26T12:20:03Z)
• PAENet: A Progressive Attention-Enhanced Network for 3D to 2D Retinal Vessel Segmentation [0.0]
  光コヒーレンス・トモグラフィー(OCTA)画像では3次元から2次元の網膜血管セグメンテーションは難しい問題である。 本稿では,多機能表現を抽出するアテンション機構に基づくプログレッシブ・アテンション・エンハンスメント・ネットワーク(PAENet)を提案する。 提案アルゴリズムは,従来の手法と比較して最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-08-26T10:27:25Z)
• Efficient Folded Attention for 3D Medical Image Reconstruction and Segmentation [8.35714852765804]
  本稿では,従来の3次元医用画像における注意方法の計算効率を向上させるために,畳み込み注意(FA)アプローチを提案する。 FAは計算複雑性とGPUメモリ消費を大幅に削減することができる。 3次元MIRとMISの2つの課題に対して,本手法の優位性を示す。
  論文  参考訳（メタデータ） (2020-09-13T19:18:04Z)

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。