Buchumschlag

Mix-QViT: Mixed-Precision Vision Transformer Quantization Driven by Layer Importance and Quantization Sensitivity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ranjan, Navin, Savakis, Andreas
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LRP-QViT: Mixed-Precision Vision Transformer Quantization via Layer-wise Relevance Propagation
von: Ranjan, Navin, et al.
Veröffentlicht: (2024)

Mix-QSAM: Mixed-Precision Quantization of the Segment Anything Model
von: Ranjan, Navin, et al.
Veröffentlicht: (2025)

Waterfall Transformer for Multi-person Pose Estimation
von: Ranjan, Navin, et al.
Veröffentlicht: (2024)

LampQ: Towards Accurate Layer-wise Mixed Precision Quantization for Vision Transformers
von: Kim, Minjun, et al.
Veröffentlicht: (2025)

MPTQ-ViT: Mixed-Precision Post-Training Quantization for Vision Transformer
von: Tai, Yu-Shan, et al.
Veröffentlicht: (2024)

MixA-Q: Revisiting Activation Sparsity for Vision Transformers from a Mixed-Precision Quantization Perspective
von: Wang, Weitian, et al.
Veröffentlicht: (2025)

Mixed Non-linear Quantization for Vision Transformers
von: Kim, Gihwan, et al.
Veröffentlicht: (2024)

MGRQ: Post-Training Quantization For Vision Transformer With Mixed Granularity Reconstruction
von: Yang, Lianwei, et al.
Veröffentlicht: (2024)

Value-Driven Mixed-Precision Quantization for Patch-Based Inference on Microcontrollers
von: Tao, Wei, et al.
Veröffentlicht: (2024)

Adaptive Distribution-aware Quantization for Mixed-Precision Neural Networks
von: Jia, Shaohang, et al.
Veröffentlicht: (2025)

MPQ-Diff: Mixed Precision Quantization for Diffusion Models
von: Maruzzelli, Rocco Manz, et al.
Veröffentlicht: (2024)

MetaMix: Meta-state Precision Searcher for Mixed-precision Activation Quantization
von: Kim, Han-Byul, et al.
Veröffentlicht: (2023)

MoQAE: Mixed-Precision Quantization for Long-Context LLM Inference via Mixture of Quantization-Aware Experts
von: Tao, Wei, et al.
Veröffentlicht: (2025)

TreeQ: Pushing the Quantization Boundary of Diffusion Transformer via Tree-Structured Mixed-Precision Search
von: Yang, Kaicheng, et al.
Veröffentlicht: (2025)

MPQ-DM: Mixed Precision Quantization for Extremely Low Bit Diffusion Models
von: Feng, Weilun, et al.
Veröffentlicht: (2024)

6Bit-Diffusion: Inference-Time Mixed-Precision Quantization for Video Diffusion Models
von: Su, Rundong, et al.
Veröffentlicht: (2026)

Amortized-Precision Quantization for Early-Exit Vision Transformers
von: Fang, Rui, et al.
Veröffentlicht: (2026)

SemanticDialect: Semantic-Aware Mixed-Format Quantization for Video Diffusion Transformers
von: Jang, Wonsuk, et al.
Veröffentlicht: (2026)

DynaQuant: Dynamic Mixed-Precision Quantization for Learned Image Compression
von: Bao, Youneng, et al.
Veröffentlicht: (2025)

Data-Free Quantization via Mixed-Precision Compensation without Fine-Tuning
von: Chen, Jun, et al.
Veröffentlicht: (2023)

FLIQS: One-Shot Mixed-Precision Floating-Point and Integer Quantization Search
von: Dotzel, Jordan, et al.
Veröffentlicht: (2023)

FairQuant: Fairness-Aware Mixed-Precision Quantization for Medical Image Classification
von: Woergaard, Thomas, et al.
Veröffentlicht: (2026)

MoPEFT: A Mixture-of-PEFTs for the Segment Anything Model
von: Sahay, Rajat, et al.
Veröffentlicht: (2024)

Vision Transformer-based Semantic Communications With Importance-Aware Quantization
von: Park, Joohyuk, et al.
Veröffentlicht: (2024)

MixDQ: Memory-Efficient Few-Step Text-to-Image Diffusion Models with Metric-Decoupled Mixed Precision Quantization
von: Zhao, Tianchen, et al.
Veröffentlicht: (2024)

AdaLog: Post-Training Quantization for Vision Transformers with Adaptive Logarithm Quantizer
von: Wu, Zhuguanyu, et al.
Veröffentlicht: (2024)

MPQ-DMv2: Flexible Residual Mixed Precision Quantization for Low-Bit Diffusion Models with Temporal Distillation
von: Feng, Weilun, et al.
Veröffentlicht: (2025)

Efficient and Effective Methods for Mixed Precision Neural Network Quantization for Faster, Energy-efficient Inference
von: Bablani, Deepika, et al.
Veröffentlicht: (2023)

ARQ: A Mixed-Precision Quantization Framework for Accurate and Certifiably Robust DNNs
von: Yang, Yuchen, et al.
Veröffentlicht: (2024)

WindowQuant: Mixed-Precision KV Cache Quantization based on Window-Level Similarity for VLMs Inference Optimization
von: Tao, Wei, et al.
Veröffentlicht: (2026)

QuantCache: Adaptive Importance-Guided Quantization with Hierarchical Latent and Layer Caching for Video Generation
von: Wu, Junyi, et al.
Veröffentlicht: (2025)

AIQViT: Architecture-Informed Post-Training Quantization for Vision Transformers
von: Jiang, Runqing, et al.
Veröffentlicht: (2025)

Semantic Alignment and Reinforcement for Data-Free Quantization of Vision Transformers
von: Zhong, Yunshan, et al.
Veröffentlicht: (2024)

Learning from Loss Landscape: Generalizable Mixed-Precision Quantization via Adaptive Sharpness-Aware Gradient Aligning
von: Ma, Lianbo, et al.
Veröffentlicht: (2025)

Revolutionizing Mixed Precision Quantization: Towards Training-free Automatic Proxy Discovery via Large Language Models
von: Kang, Haidong, et al.
Veröffentlicht: (2025)

Instance-Aware Group Quantization for Vision Transformers
von: Moon, Jaehyeon, et al.
Veröffentlicht: (2024)

Jumping through Local Minima: Quantization in the Loss Landscape of Vision Transformers
von: Frumkin, Natalia, et al.
Veröffentlicht: (2023)

Quantized Spike-driven Transformer
von: Qiu, Xuerui, et al.
Veröffentlicht: (2025)

An Analysis on Quantizing Diffusion Transformers
von: Yang, Yuewei, et al.
Veröffentlicht: (2024)

AdaTSQ: Pushing the Pareto Frontier of Diffusion Transformers via Temporal-Sensitivity Quantization
von: Zhang, Shaoqiu, et al.
Veröffentlicht: (2026)