AToM: Adaptive Token Merging for Efficient Acceleration of Vision Transformer

Recently, Vision Transformers (ViTs) have set a new standard in computer vision (CV), showing unparalleled image processing performance. However, their substantial computational requirements hinder practical deployment, especially on resource-limited devices common in CV applications. Token merging...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE transactions on computers Ročník 74; číslo 5; s. 1620 - 1633
Hlavní autoři:	Shin, Jaekang, Kang, Myeonggu, Han, Yunki, Park, Junyoung, Kim, Lee-Sup
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	IEEE 01.05.2025
Témata:	algorithm-architecture co-design Computational efficiency Computational modeling Computer architecture Computer vision Computers DNN accelerator Graphics processing units Hardware Heuristic algorithms Merging token merge transformer-based computer vision Transformers
ISSN:	0018-9340, 1557-9956
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!