Copertina

Trainable Bitwise Soft Quantization for Input Feature Compression

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Schrödter, Karsten, Stenkamp, Jan, Herrmann, Nina, Gieseke, Fabian
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Boosted Trees on a Diet: Compact Models for Resource-Constrained Devices
di: Herrmann, Nina, et al.
Pubblicazione: (2025)

Send Less, Save More: Energy-Efficiency Benchmark of Embedded CNN Inference vs. Data Transmission in IoT
di: Karic, Benjamin, et al.
Pubblicazione: (2025)

Canopy Tree Height Estimation Using Quantile Regression: Modeling and Evaluating Uncertainty in Remote Sensing
di: Schrödter, Karsten, et al.
Pubblicazione: (2026)

ECHOSAT: Estimating Canopy Height Over Space And Time
di: Pauls, Jan, et al.
Pubblicazione: (2026)

Projected Compression: Trainable Projection for Efficient Transformer Compression
di: Stefaniak, Maciej, et al.
Pubblicazione: (2025)

Soft Quantization: Model Compression Via Weight Coupling
di: Bernstein, Daniel T., et al.
Pubblicazione: (2026)

Trainable Fixed-Point Quantization for Deep Learning Acceleration on FPGAs
di: Dai, Dingyi, et al.
Pubblicazione: (2024)

RQ-MoE: Residual Quantization via Mixture of Experts for Efficient Input-Dependent Vector Compression
di: Zhong, Zhengjia, et al.
Pubblicazione: (2026)

A Trainable Optimizer
di: Wang, Ruiqi, et al.
Pubblicazione: (2025)

MatryoshkaKV: Adaptive KV Compression via Trainable Orthogonal Projection
di: Lin, Bokai, et al.
Pubblicazione: (2024)

Neural Image Compression with Quantization Rectifier
di: Luo, Wei, et al.
Pubblicazione: (2024)

Learning Dynamics from Input-Output Data with Hamiltonian Gaussian Processes
di: Ewering, Jan-Hendrik, et al.
Pubblicazione: (2025)

Trainable Transformer in Transformer
di: Panigrahi, Abhishek, et al.
Pubblicazione: (2023)

Capturing Temporal Dynamics in Large-Scale Canopy Tree Height Estimation
di: Pauls, Jan, et al.
Pubblicazione: (2025)

DCSI -- An improved measure of cluster separability based on separation and connectedness
di: Gauss, Jana, et al.
Pubblicazione: (2023)

A Trainable Feature Extractor Module for Deep Neural Networks and Scanpath Classification
di: Fuhl, Wolfgang
Pubblicazione: (2024)

Survival Analysis as Imprecise Classification with Trainable Kernels
di: Konstantinov, Andrei V., et al.
Pubblicazione: (2025)

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

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

Interestingness as an Inductive Heuristic for Future Compression Progress
di: Herrmann, Vincent, et al.
Pubblicazione: (2026)

Trainable Weight Averaging: Accelerating Training and Improving Generalization
di: Li, Tao, et al.
Pubblicazione: (2022)

Trainability issues in quantum policy gradients
di: Sequeira, André, et al.
Pubblicazione: (2024)

A Trainable Centrality Framework for Modern Data
di: Vu, Minh Duc, et al.
Pubblicazione: (2025)

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

One-Bit Quantization for Random Features Models
di: Akhtiamov, Danil, et al.
Pubblicazione: (2025)

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

Why Do Some Inputs Break Low-Bit LLM Quantization?
di: Chang, Ting-Yun, et al.
Pubblicazione: (2025)

IO-SVD: Input-Output Whitened SVD for Adaptive-Rank LLM Compression
di: Abbasi, Ali, et al.
Pubblicazione: (2026)

Input Resolution Downsizing as a Compression Technique for Vision Deep Learning Systems
di: Morlier, Jeremy, et al.
Pubblicazione: (2025)

Bridging Input Feature Spaces Towards Graph Foundation Models
di: Eliasof, Moshe, et al.
Pubblicazione: (2026)

Maestro: Uncovering Low-Rank Structures via Trainable Decomposition
di: Horvath, Samuel, et al.
Pubblicazione: (2023)

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

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

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

Binary and Ternary Quantization Can Enhance Feature Discrimination
di: Lu, Weizhi, et al.
Pubblicazione: (2025)

Trainability Beyond Linearity in Variational Quantum Objectives
di: Ma, Gordon, et al.
Pubblicazione: (2026)

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

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

Learning Attributed Graphlets: Predictive Graph Mining by Graphlets with Trainable Attribute
di: Shinji, Tajima, et al.
Pubblicazione: (2024)

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