Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

BaldWhisper: Faster Whisper with Head Shearing and Layer Merging

Created by
  • Haebom

저자

Yaya Sy, Christophe Cerisara, Irina Illina

개요

본 논문은 저자원 언어 환경에서 대규모 사전 훈련된 변환기 모델을 효율적으로 사용하기 위한 연구를 제시한다. 특히, 음성 인식 모델 Whisper를 대상으로, Bambara어를 예시로 32시간의 음성-텍스트 데이터를 활용하여 모델 경량화 기법을 제안한다. 어휘량 축소 대신 임베딩 압축, 특징 증류, 레이어 병합 등의 방법을 통해 모델 크기를 줄이고 속도를 향상시켰다. 결과적으로, 모델 성능 저하를 최소화하면서 모델 크기를 48% 줄이고, MacBook Air M1에서 2.15배 빠른 속도를 달성했다.

시사점, 한계점

•
시사점:
◦
저자원 언어 환경에서 대규모 모델을 경량화하여 실용적인 모델을 구축할 수 있는 새로운 접근 방식을 제시함.
◦
어휘 축소 대신 임베딩 압축, 특징 증류, 레이어 병합과 같은 새로운 경량화 기법을 활용하여 성능 유지.
◦
Bambara어와 같이 코드 스위칭이 빈번한 언어 환경에 적합한 모델 경량화 방법을 제시.
◦
실제 하드웨어 환경에서의 속도 향상을 확인함.
•
한계점:
◦
특정 언어(Bambara어)에 국한된 연구이므로 다른 언어에 대한 일반화 가능성은 추가적인 연구가 필요함.
◦
모델 경량화로 인한 성능 저하를 완벽하게 해결하지 못했으며, 10%의 성능 감소가 발생.
◦
제안된 방법의 확장성 및 다른 모델(예: 다른 변환기 모델)에 대한 적용 가능성에 대한 추가 연구 필요.
👍
Made with Slashpage