論文の概要: GaLe: memory-efficient Global Approximate and Local Exact features
- arxiv url: http://arxiv.org/abs/2609.02689v1
- Date: Wed, 02 Sep 2026 14:56:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:18.440869
- Title: GaLe: memory-efficient Global Approximate and Local Exact features
- Title（参考訳）: GaLe: メモリ効率のよいGlobal ApproximateとLocal Exactの機能
- Abstract要約: GaLeはメモリ効率のよい技術で、事前トレーニングされたネットワークを、再トレーニングせずに制限されたデバイスに展開することを可能にする。
提案手法は,Cortex-M33において,最大65%の高速化と90%のRAM削減を実現しながら,正確な推論性能と一致した。
- 参考スコア（独自算出の注目度）: 7.384821872321422
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embedded devices typically lack the resources of GPU-equipped machines, and existing inference methods suffer from either high computational overhead (patch-based) or accuracy loss (approximation-based). We propose GaLe, a memory-efficient technique that enables the deployment of pretrained networks on constrained devices without retraining. GaLe partitions feature maps into two components: a local exact (Le) representation that preserves fine details and a global approximate (Ga) representation that retains long-range dependencies. Unlike standard tiling, GaLe supports global operations and attention mechanisms found in hybrid CNN-transformer models. Validated on ImageNet, our method matches exact-inference performance while achieving up to 65% speedup and 90% RAM reduction on a Cortex-M33 compared to patch-based inference. We further demonstrate GaLe's versatility across classification, detection, and generation tasks, highlighting its potential as a foundation for resource-efficient architecture design.
- Abstract（参考訳）: 組み込みデバイスは一般的にGPU搭載マシンのリソースが不足しており、既存の推論手法は高い計算オーバーヘッド(パッチベース)または精度損失(近似ベース)に悩まされている。
本稿では,メモリ効率のよいGaLeを提案する。
GaLeパーティションは、細部を保存する局所的正確な(Le)表現と、長距離依存関係を保持する大域的近似(Ga)表現の2つのコンポーネントにマップする。
通常のタイリングとは異なり、GaLeはハイブリッドCNNトランスフォーマーモデルで見られるグローバル操作とアテンションメカニズムをサポートしている。
ImageNetで検証された本手法は,パッチベースの推論と比較して,最大65%の高速化と90%のRAM削減を実現した上で,正確な推論性能と一致した。
さらに、分類、検出、生成タスクにおけるGaLeの汎用性を実証し、リソース効率の高いアーキテクチャ設計の基盤としての可能性を強調した。
関連論文リスト
- A Hardware-oriented Approach for Efficient Bayesian Inference Computation and Deployment [1.5642142547420754]
本稿では,市販オフザシェルフ組込みGPUにおける離散ベイズ推定を高速化するハードウェア指向手法を提案する。
隠れマルコフモデルのための3つのメッセージパスアルゴリズムの方法論をインスタンス化し、最適化された変種を生成する。
我々の実装は最大5倍の高速化を実現し、典型的な2-2.5倍のゲインを得ると同時に、数値的に同一の出力を生成する。
論文 参考訳（メタデータ） (2026-07-20T11:52:14Z) - Efficiency Follows Global-Local Decoupling [62.05489838893081]
ConvNeurは、軽量なニューラルメモリブランチがトークンの集合にグローバルなコンテキストを集約する2分岐アーキテクチャである。
学習ゲートは、グローバルなキューが目的を絞ることなく、局所的な特徴を調整できる。
標準的な分類、検出、セグメンテーションのベンチマークでは、ConvNeurは同等または低い計算で同等の選択肢にマッチするか、超えている。
論文 参考訳（メタデータ） (2026-03-20T02:20:16Z) - Deep Global Clustering for Hyperspectral Image Segmentation: Concepts, Applications, and Open Challenges [1.9116784879310027]
ハイパースペクトルイメージング(HSI)解析は、利用可能なメモリを超える大量のデータ量のために計算ボトルネックに直面している。
本稿では,メモリ効率の高いHSIセグメンテーションの概念フレームワークであるDeep Global Clustering (DGC)について述べる。
DGCは、重複するリージョンを持つ小さなパッチを使用して一貫性を強制し、コンシューマハードウェア上で30分未満のトレーニングを可能にする。
論文 参考訳（メタデータ） (2025-12-30T12:10:43Z) - MOBIUS: Big-to-Mobile Universal Instance Segmentation via Multi-modal Bottleneck Fusion and Calibrated Decoder Pruning [91.90342432541138]
モデルサイズとトレーニングデータのスケールアップには、インスタンスレベルの知覚のための高度な基盤モデルがある。
資源制約されたプラットフォームにおける高い計算コスト制限。
我々は,高性能コンピューティングプラットフォームとモバイルデバイスの両方において,効率的なセグメンテーションのための新しいベンチマークを導入する。
論文 参考訳（メタデータ） (2025-10-16T18:00:00Z) - A Global-Local Cross-Attention Network for Ultra-high Resolution Remote Sensing Image Semantic Segmentation [1.833928124984226]
GLCANetはUHRリモートセンシングのための軽量セグメンテーションフレームワークである。
セルフアテンションメカニズムは、長距離依存関係を強化し、グローバル機能を強化し、セマンティック一貫性を改善するためにローカル詳細を保存する。
マスク付きクロスアテンション機構は、グローバルローカルな特徴を適応的に融合させ、グローバルコンテキストを活用しながら細かな詳細を選択的に強化し、セグメンテーション精度を向上させる。
論文 参考訳（メタデータ） (2025-06-24T08:20:08Z) - Any Image Restoration via Efficient Spatial-Frequency Degradation Adaptation [158.37640586809187]
劣化した画像を1つのモデルで効率的に復元することは、ますます重要になっている。
我々のアプローチはAnyIRと呼ばれ、様々な劣化にまたがる固有の類似性を活用する統一された経路をとっています。
劣化認識と文脈的注意を融合させるため,空間周波数並列融合戦略を提案する。
論文 参考訳（メタデータ） (2025-04-19T09:54:46Z) - ELGC-Net: Efficient Local-Global Context Aggregation for Remote Sensing Change Detection [65.59969454655996]
本稿では,変化領域を正確に推定するために,リッチな文脈情報を利用する効率的な変化検出フレームワークELGC-Netを提案する。
提案するELGC-Netは、リモートセンシング変更検出ベンチマークにおいて、最先端の性能を新たに設定する。
また,ELGC-Net-LWも導入した。
論文 参考訳（メタデータ） (2024-03-26T17:46:25Z) - Low-Resolution Self-Attention for Semantic Segmentation [93.30597515880079]
我々は,グローバルコンテキストを計算コストの大幅な削減で捉えるために,低解像度自己認識(LRSA)機構を導入する。
我々のアプローチは、入力画像の解像度に関わらず、固定された低解像度空間における自己注意を計算することである。
本稿では,エンコーダ・デコーダ構造を持つビジョントランスであるLRFormerを構築することで,LRSA手法の有効性を示す。
論文 参考訳（メタデータ） (2023-10-08T06:10:09Z) - Efficient Global-Local Memory for Real-time Instrument Segmentation of
Robotic Surgical Video [53.14186293442669]
手術器具の知覚における重要な手がかりとして,隣接するフレームからの局所的時間依存性と,長距離における大域的意味的相関があげられる。
本稿では,グローバルとローカルの両方の時間的知識を関連付ける新しいデュアルメモリネットワーク(DMNet)を提案する。
本手法は,実時間速度を維持しながらセグメント化精度を向上する手法である。
論文 参考訳（メタデータ） (2021-09-28T10:10:14Z)
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。