Fugu-MT 論文翻訳(概要): MANTA -- Model Adapter Native generations that's Affordable

論文の概要: MANTA -- Model Adapter Native generations that's Affordable

arxiv url: http://arxiv.org/abs/2409.14363v1
Date: Sun, 22 Sep 2024 08:38:23 GMT
ステータス: 処理完了
システム内更新日: 2024-11-06 23:04:03.900834
Title: MANTA -- Model Adapter Native generations that's Affordable
Title（参考訳）: MANTA -- 拡張可能なモデルアダプタネイティブ世代
Authors: Ansh Chaurasia,
Abstract要約: モデル適応型合成問題に対する新しいアプローチとしてMANTAを導入する。我々のシステムは、タスク多様性の94%の勝利率と、最もよく知られたシステムと比較して80%のタスク品質の勝利率を達成する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The presiding model generation algorithms rely on simple, inflexible adapter selection to provide personalized results. We propose the model-adapter composition problem as a generalized problem to past work factoring in practical hardware and affordability constraints, and introduce MANTA as a new approach to the problem. Experiments on COCO 2014 validation show MANTA to be superior in image task diversity and quality at the cost of a modest drop in alignment. Our system achieves a $94\%$ win rate in task diversity and a $80\%$ task quality win rate versus the best known system, and demonstrates strong potential for direct use in synthetic data generation and the creative art domains.
Abstract（参考訳）: モデル生成アルゴリズムは、パーソナライズされた結果を提供するために、単純で柔軟性のないアダプタの選択に依存している。本稿では,実用ハードウェアにおける過去の作業ファクタリングに対する一般化問題としてモデル適応型合成問題を提案し,その新しいアプローチとしてMANTAを導入する。 COCO 2014バリデーションの実験では、MANTAは画像タスクの多様性と品質において、適度な調整のコストで優れていることが示されている。本システムは,タスクの多様性において9,4 %の勝利率,80 %のタスク品質の勝利率を最もよく知られたシステムに対して達成し,合成データ生成や創造的アートドメインにおいて,直接的な利用の可能性を示す。

関連論文リスト

Towards Efficient Model-Heterogeneity Federated Learning for Large Models [18.008063521900702]
モデル・ヘテロジニティ・フェデレーション・ラーニング(MHFL)に適した革新的微調整フレームワークであるHeteroTuneを紹介する。特に,マルチブランチ・クロスモデルアグリゲータを用いたFedAdapterという,パラメータ効率の高いファインチューニング構造を提案する。軽量なFedAdapterの利点は、計算オーバーヘッドと通信オーバーヘッドの両方を大幅に削減することにある。
論文参考訳（メタデータ） (2024-11-25T09:58:51Z)
Pricing and Competition for Generative AI [3.8677478583601776]
われわれは、新しい生成AIソフトウェアの開発者がどのようにして技術をリリースし、価格を下げるかという課題を探求する。まず、ユーザコスト効率に関して、特定のタスクに対する2つの異なるモデルの比較を行う。次に、生成AIソフトウェアの価格問題を、2つの異なる企業間のゲームとしてモデル化する。
論文参考訳（メタデータ） (2024-11-04T22:52:45Z)
Transfer Learning on Multi-Dimensional Data: A Novel Approach to Neural Network-Based Surrogate Modeling [0.0]
畳み込みニューラルネットワーク(CNN)はそのようなサロゲートモデルの基礎として人気を集めている。本稿では,$d$次元問題と$d-1$次元近似の両方に対する数値解の混合によるCNN代理モデルのトレーニングを提案する。転送学習を用いて,2種類のデータに対して,高密度な完全畳み込みエンコーダ・デコーダCNNを学習する多相フローテスト問題に対するアプローチを実証する。
論文参考訳（メタデータ） (2024-10-16T05:07:48Z)
STORM: Efficient Stochastic Transformer based World Models for Reinforcement Learning [82.03481509373037]
近年,モデルに基づく強化学習アルゴリズムは視覚入力環境において顕著な有効性を示している。本稿では,強力なモデリングと生成機能を組み合わせた効率的な世界モデルアーキテクチャであるTransformer-based wORld Model (STORM)を紹介する。 Stormは、Atari 100$kベンチマークで平均126.7%の人的パフォーマンスを達成し、最先端のメソッドの中で新しい記録を樹立した。
論文参考訳（メタデータ） (2023-10-14T16:42:02Z)
Leveraging World Model Disentanglement in Value-Based Multi-Agent Reinforcement Learning [18.651307543537655]
本稿では,Distangled World Modelを用いた新しいモデルベースマルチエージェント強化学習手法であるValue Decomposition Frameworkを提案する。本研究では,本手法が高サンプリング効率を実現し,敵軍を撃破する性能が他のベースラインよりも優れていることを示すために,簡単な,ハード,スーパーハードのStarCraft IIマイクロマネジメントの課題について実験的に検討した。
論文参考訳（メタデータ） (2023-09-08T22:12:43Z)
Towards Personalized Federated Learning via Heterogeneous Model Reassembly [84.44268421053043]
pFedHRは、異種モデルの再組み立てを利用して、パーソナライズされたフェデレーション学習を実現するフレームワークである。 pFedHRは、動的に多様なパーソナライズされたモデルを自動生成する。
論文参考訳（メタデータ） (2023-08-16T19:36:01Z)
An Efficient General-Purpose Modular Vision Model via Multi-Task Heterogeneous Training [79.78201886156513]
本稿では、複数の視覚タスクを実行でき、他の下流タスクに効率的に適応できるモデルを提案する。提案手法は,単一タスク状態モデルに匹敵する結果を達成し,下流タスクの強力な一般化を実証する。
論文参考訳（メタデータ） (2023-06-29T17:59:57Z)
HyperTransformer: Model Generation for Supervised and Semi-Supervised Few-Shot Learning [14.412066456583917]
本稿では,支援サンプルから直接畳み込みニューラルネットワーク(CNN)の重みを生成する,少数ショット学習のためのトランスフォーマーベースモデルを提案する。本手法は,タスク非依存の定型埋め込みの学習が最適でない小ターゲットCNNアーキテクチャにおいて,特に有効である。提案手法は,サポートセット内のラベルなしサンプルを利用した半教師付きシステムに拡張され,さらにショット性能が向上する。
論文参考訳（メタデータ） (2022-01-11T20:15:35Z)
Troubleshooting Blind Image Quality Models in the Wild [99.96661607178677]
グループ最大分化競争(gMAD)は、盲目の画像品質評価(BIQA)モデルを改善するために使用されます。対象モデルのprunedバージョンのランダムアンサンブルを改善するため、"self-competitors"のセットを構築します。様々な障害は、自己gMADコンペティションを通じて効率的に識別できる。
論文参考訳（メタデータ） (2021-05-14T10:10:48Z)
Piggyback GAN: Efficient Lifelong Learning for Image Conditioned Generation [48.31909975623379]
コンボリューションフィルタとデコンボリューションフィルタのセットを構築することで,現在のタスクを学習するパラメータ効率の高いフレームワークであるPiggyback GANを提案する。現在のタスクでは,本モデルでは,パラメータ数が低いスタンドアロンモデルと同等の高次品質を実現している。異なるドメインのさまざまな画像コンディショニング生成タスクで Piggyback GAN を検証します。
論文参考訳（メタデータ） (2021-04-24T12:09:52Z)
MMCGAN: Generative Adversarial Network with Explicit Manifold Prior [78.58159882218378]
本稿では,モード崩壊を緩和し,GANのトレーニングを安定させるために,明示的な多様体学習を採用することを提案する。玩具データと実データの両方を用いた実験により,MMCGANのモード崩壊緩和効果,トレーニングの安定化,生成サンプルの品質向上効果が示された。
論文参考訳（メタデータ） (2020-06-18T07:38:54Z)

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。