OMGD:字节跳动开源的最新GAN压缩算法

点击上方机器学习与生成对抗网络”,关注星标

获取有趣、好玩的前沿干货!

字节跳动近期开源了一项代号为OMGD的压缩技术。这是字节自研的GAN(生成对抗网络)压缩算法,在保证生成效果不变的前提下,算力消耗最低可以减少到原来的1/46,相比之前业界的最佳压缩效果提升一倍多。据悉,这项技术的论文已入选国际计算机视觉会议ICCV 2021。
字节跳动技术团队发表的自研GAN压缩算法论文

GAN是人工智能领域重要的深度学习模型,在图像生成、音乐生成和视频生成等方面应用广泛,还可以提高图像质量,实现图像风格化、图像着色等任务。漫画特效等人们常用的短视频道具,就是通过GAN实现的。

由于GAN对计算资源和存储空间的需求巨大,模型难以直接部署到手机、Pad等移动设备上,业界一直在努力改进GAN的压缩方法。2020年,麻省理工学院、Adobe和上海交通大学的研究者们提出一种GAN压缩算法,将算力消耗成功减少到1/21。此次字节跳动提出的OMGD方法则进一步提升了压缩能力。

OMGD(Online Multi-Granularity Distillation)意为“在线多粒度蒸馏”。据字节跳动技术团队的论文显示,该算法能灵活地在训练过程中优化并压缩GAN模型,从而实现更好的图像效果和更少的计算成本。

测试数据表明,OMGD压缩算法对Pix2Pix和CycleGAN这两种常用的GAN解决方案效果显著。Pix2Pix和CycleGAN主要应用于图像到图像的“翻译”,比如将照片转换为绘画,对黑白图片着色等。OMGD压缩算法可使其算力消耗分别减少到原来的1/40和1/46。

目前,OMGD压缩算法已在抖音等产品中落地,为用户提供更丰富的视频创作能力。相关技术代码也已发布在开源社区,以帮助从业者提升GAN的创新和应用效率。迄今,字节跳动已开源了机器学习平台Klever、联邦学习平台Fedlearner、高性能分布式训练框架BytePS 、LightSeq推理和训练引擎等重磅项目。

节能环保是字节跳动一个重要的技术研究方向。在不久前的自然语言处理领域国际顶会ACL 2021上,字节跳动的词表学习方案获得年度唯一的“最佳论文”大奖,该论文同样极具节能价值,相比主流词表可以节约92%的算力。

OMGD论文链接:https://arxiv.org/abs/2108.06908

开源项目链接:https://github.com/bytedance/OMGD


猜您喜欢:


等你着陆!【GAN生成对抗网络】知识星球!  

CVPR 2021 | GAN的说话人驱动、3D人脸论文汇总

CVPR 2021 | 图像转换 今如何?几篇GAN论文

【CVPR 2021】通过GAN提升人脸识别的遗留难题

CVPR 2021生成对抗网络GAN部分论文汇总

经典GAN不得不读:StyleGAN

最新最全20篇!基于 StyleGAN 改进或应用相关论文

超100篇!CVPR 2020最全GAN论文梳理汇总!

附下载 | 《Python进阶》中文版

附下载 | 经典《Think Python》中文版

附下载 | 《Pytorch模型训练实用教程》

附下载 | 最新2020李沐《动手学深度学习》

附下载 | 《可解释的机器学习》中文版

附下载 |《TensorFlow 2.0 深度学习算法实战》

附下载 | 超100篇!CVPR 2020最全GAN论文梳理汇总!

附下载 |《计算机视觉中的数学方法》分享

本文分享自微信公众号 - 机器学习与生成对抗网络(AI_bryant8)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
打赏
0
0 收藏
分享
加载中
更多评论
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部