Buchumschlag

Neural Image Compression with Quantization Rectifier

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Luo, Wei, Chen, Bo
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Quantization-Aware Regularizers for Deep Neural Networks Compression
von: Malchiodi, Dario, et al.
Veröffentlicht: (2026)

Quantize-then-Rectify: Efficient VQ-VAE Training
von: Zhang, Borui, et al.
Veröffentlicht: (2025)

Flexible Mixed Precision Quantization for Learned Image Compression
von: Hossain, Md Adnan Faisal, et al.
Veröffentlicht: (2025)

Improving Rectified Flow with Boundary Conditions
von: Hu, Xixi, et al.
Veröffentlicht: (2025)

ChebNet: Efficient and Stable Constructions of Deep Neural Networks with Rectified Power Units via Chebyshev Approximations
von: Tang, Shanshan, et al.
Veröffentlicht: (2019)

Activation Compression of Graph Neural Networks using Block-wise Quantization with Improved Variance Minimization
von: Eliassen, Sebastian, et al.
Veröffentlicht: (2023)

Tensor-Compressed and Fully-Quantized Training of Neural PDE Solvers
von: Lu, Jinming, et al.
Veröffentlicht: (2025)

Elucidating Rectified Flow with Deterministic Sampler: Polynomial Discretization Complexity for Multi and One-step Models
von: Yang, Ruofeng, et al.
Veröffentlicht: (2025)

Optimizing Learned Image Compression on Scalar and Entropy-Constraint Quantization
von: Borzechowski, Florian, et al.
Veröffentlicht: (2025)

Prune-Quantize-Distill: An Ordered Pipeline for Efficient Neural Network Compression
von: Zhou, Longsheng, et al.
Veröffentlicht: (2026)

Trainable Bitwise Soft Quantization for Input Feature Compression
von: Schrödter, Karsten, et al.
Veröffentlicht: (2026)

Leech Lattice Vector Quantization for Efficient LLM Compression
von: van der Ouderaa, Tycho F. A., et al.
Veröffentlicht: (2026)

Finite Scalar Quantization Enables Redundant and Transmission-Robust Neural Audio Compression at Low Bit-rates
von: Julian, Harry, et al.
Veröffentlicht: (2025)

Automatic Joint Structured Pruning and Quantization for Efficient Neural Network Training and Compression
von: Qu, Xiaoyi, et al.
Veröffentlicht: (2025)

Generating Rectifiable Measures through Neural Networks
von: Riegler, Erwin, et al.
Veröffentlicht: (2024)

On the Convergence and Straightness of Rectified Flow
von: Bansal, Vansh, et al.
Veröffentlicht: (2024)

Rectifying Regression in Reinforcement Learning
von: Ayoub, Alex, et al.
Veröffentlicht: (2025)

ProjQ: Project-and-Quantize for Adapter-Aware LLM Compression
von: Yu, Wneya, et al.
Veröffentlicht: (2026)

SKIM: Any-bit Quantization Pushing The Limits of Post-Training Quantization
von: Bai, Runsheng, et al.
Veröffentlicht: (2024)

Compression Scaling Laws:Unifying Sparsity and Quantization
von: Frantar, Elias, et al.
Veröffentlicht: (2025)

On Model Compression for Neural Networks: Framework, Algorithm, and Convergence Guarantee
von: Li, Chenyang, et al.
Veröffentlicht: (2023)

Semantic Image Inversion and Editing using Rectified Stochastic Differential Equations
von: Rout, Litu, et al.
Veröffentlicht: (2024)

Appeal: Allow Mislabeled Samples the Chance to be Rectified in Partial Label Learning
von: Si, Chongjie, et al.
Veröffentlicht: (2023)

RAVQ-HoloNet: Rate-Adaptive Vector-Quantized Hologram Compression
von: Rafiei, Shima, et al.
Veröffentlicht: (2025)

AQUATIC-Diff: Additive Quantization for Truly Tiny Compressed Diffusion Models
von: Hasan, Adil, et al.
Veröffentlicht: (2025)

Inshrinkerator: Compressing Deep Learning Training Checkpoints via Dynamic Quantization
von: Agrawal, Amey, et al.
Veröffentlicht: (2023)

Delta Rectified Flow Sampling for Text-to-Image Editing
von: Beaudouin, Gaspard, et al.
Veröffentlicht: (2025)

SuperEdit: Rectifying and Facilitating Supervision for Instruction-Based Image Editing
von: Li, Ming, et al.
Veröffentlicht: (2025)

Residual Quantization with Implicit Neural Codebooks
von: Huijben, Iris A. M., et al.
Veröffentlicht: (2024)

On the Compressibility of Quantized Large Language Models
von: Mao, Yu, et al.
Veröffentlicht: (2024)

Grimm: A Plug-and-Play Perturbation Rectifier for Graph Neural Networks Defending against Poisoning Attacks
von: Liu, Ao, et al.
Veröffentlicht: (2024)

Hurwitz Quaternion Multiplicative Quantization for KV Cache Compression
von: Swain, Kabir, et al.
Veröffentlicht: (2026)

GoQuant: Geometric Orthogonal Residual Projection for Multiplier-Free Power-of-Two Transformer Quantization
von: Xiang, Maoyang, et al.
Veröffentlicht: (2026)

CARVQ: Corrective Adaptor with Group Residual Vector Quantization for LLM Embedding Compression
von: Gou, Dayin, et al.
Veröffentlicht: (2025)

Rectifying Distribution Shift in Cascaded Precipitation Nowcasting
von: Ju, Fanbo, et al.
Veröffentlicht: (2025)

FSL-Rectifier: Rectify Outliers in Few-Shot Learning via Test-Time Augmentation
von: Bai, Yunwei, et al.
Veröffentlicht: (2024)

Constraint Guided Model Quantization of Neural Networks
von: Van Baelen, Quinten, et al.
Veröffentlicht: (2024)

KERV: Kinematic-Rectified Speculative Decoding for Embodied VLA Models
von: Zheng, Zihao, et al.
Veröffentlicht: (2026)

Pruning and Quantization Impact on Graph Neural Networks
von: Khedri, Khatoon, et al.
Veröffentlicht: (2025)

Adaptive Mesh-Quantization for Neural PDE Solvers
von: Dool, Winfried van den, et al.
Veröffentlicht: (2025)