Buchumschlag

Growing Networks with Autonomous Pruning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	De Lambilly, Charles, Duffner, Stefan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Computer Vision and Pattern Recognition Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

RAViT: Resolution-Adaptive Vision Transformer
von: Guidez, Martial, et al.
Veröffentlicht: (2026)

ERDE: Entropy-Regularized Distillation for Early-exit
von: Guidez, Martial, et al.
Veröffentlicht: (2025)

Federated brain tumor segmentation: an extensive benchmark
von: Manthe, Matthis, et al.
Veröffentlicht: (2024)

GroCo: Ground Constraint for Metric Self-Supervised Monocular Depth
von: Cecille, Aurélien, et al.
Veröffentlicht: (2024)

Data Pruning in Generative Diffusion Models
von: Briq, Rania, et al.
Veröffentlicht: (2024)

Growing Efficient Accurate and Robust Neural Networks on the Edge
von: Sundaresha, Vignesh, et al.
Veröffentlicht: (2024)

PruneFuse: Efficient Data Selection via Weight Pruning and Network Fusion
von: Kousar, Humaira, et al.
Veröffentlicht: (2026)

ICE-Pruning: An Iterative Cost-Efficient Pruning Pipeline for Deep Neural Networks
von: Hu, Wenhao, et al.
Veröffentlicht: (2025)

Shapley Pruning for Neural Network Compression
von: Adamczewski, Kamil, et al.
Veröffentlicht: (2024)

Is Complexity Required for Neural Network Pruning? A Case Study on Global Magnitude Pruning
von: Gupta, Manas, et al.
Veröffentlicht: (2022)

Investigating the Effect of Network Pruning on Performance and Interpretability
von: von Rad, Jonathan, et al.
Veröffentlicht: (2024)

Adaptive Sharpness-Aware Pruning for Robust Sparse Networks
von: Bair, Anna, et al.
Veröffentlicht: (2023)

Variance-Based Pruning for Accelerating and Compressing Trained Networks
von: Berisha, Uranik, et al.
Veröffentlicht: (2025)

Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch
von: Wu, Xidong, et al.
Veröffentlicht: (2024)

A Greedy Hierarchical Approach to Whole-Network Filter-Pruning in CNNs
von: Purohit, Kiran, et al.
Veröffentlicht: (2024)

Decay Pruning Method: Smooth Pruning With a Self-Rectifying Procedure
von: Yang, Minghao, et al.
Veröffentlicht: (2024)

Enhancing Certifiable Semantic Robustness via Robust Pruning of Deep Neural Networks
von: Hu, Hanjiang, et al.
Veröffentlicht: (2025)

FGFP: A Fractional Gaussian Filter and Pruning for Deep Neural Networks Compression
von: Tu, Kuan-Ting, et al.
Veröffentlicht: (2025)

LayerMerge: Neural Network Depth Compression through Layer Pruning and Merging
von: Kim, Jinuk, et al.
Veröffentlicht: (2024)

A Survey on Deep Neural Network Pruning-Taxonomy, Comparison, Analysis, and Recommendations
von: Cheng, Hongrong, et al.
Veröffentlicht: (2023)

Growing Visual Generative Capacity for Pre-Trained MLLMs
von: Wang, Hanyu, et al.
Veröffentlicht: (2025)

Is Oracle Pruning the True Oracle?
von: Feng, Sicheng, et al.
Veröffentlicht: (2024)

Distilling the Knowledge in Data Pruning
von: Ben-Baruch, Emanuel, et al.
Veröffentlicht: (2024)

Rényi Attention Entropy for Patch Pruning
von: Aizawa, Hiroaki, et al.
Veröffentlicht: (2026)

Exploring 3D Dataset Pruning
von: Zhao, Xiaohan, et al.
Veröffentlicht: (2026)

Pruning at Initialization -- A Sketching Perspective
von: Bar, Noga, et al.
Veröffentlicht: (2023)

Greedy Growing Enables High-Resolution Pixel-Based Diffusion Models
von: Vasconcelos, Cristina N., et al.
Veröffentlicht: (2024)

Meta Pruning via Graph Metanetworks : A Universal Meta Learning Framework for Network Pruning
von: Liu, Yewei, et al.
Veröffentlicht: (2025)

Training-Free Restoration of Pruned Neural Networks
von: Lee, Keonho, et al.
Veröffentlicht: (2025)

Batch Loss Score for Dynamic Data Pruning
von: Zhou, Qing, et al.
Veröffentlicht: (2026)

Large-scale Dataset Pruning with Dynamic Uncertainty
von: He, Muyang, et al.
Veröffentlicht: (2023)

Training-Free Dataset Pruning for Instance Segmentation
von: Dai, Yalun, et al.
Veröffentlicht: (2025)

Towards Meta-Pruning via Optimal Transport
von: Theus, Alexander, et al.
Veröffentlicht: (2024)

DRoP: Distributionally Robust Data Pruning
von: Vysogorets, Artem, et al.
Veröffentlicht: (2024)

Unsupervised Modular Adaptive Region Growing and RegionMix Classification for Wind Turbine Segmentation
von: Pérez-Gonzalo, Raül, et al.
Veröffentlicht: (2026)

Grow, Assess, Compress: Adaptive Backbone Scaling for Memory-Efficient Class Incremental Learning
von: Garcia-Castañeda, Adrian, et al.
Veröffentlicht: (2026)

Layer Pruning with Consensus: A Triple-Win Solution
von: Mugnaini, Leandro Giusti, et al.
Veröffentlicht: (2024)

Multimodal Machine Translation with Visual Scene Graph Pruning
von: Lu, Chenyu, et al.
Veröffentlicht: (2025)

Pruning Self-attentions into Convolutional Layers in Single Path
von: He, Haoyu, et al.
Veröffentlicht: (2021)

Physics Inspired Criterion for Pruning-Quantization Joint Learning
von: Xie, Weiying, et al.
Veröffentlicht: (2023)