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.

FQ-PETR: Fully Quantized Position Embedding Transformation for Multi-View 3D Object Detection

Created by
  • Haebom
Category
Empty

저자

Jiangyong Yu, Changyong Shu, Sifan Zhou, Zichen Yu, Xing Hu, Yan Chen, Dawei Yang

개요

자율 주행에 필수적인 카메라 기반 다중 뷰 3D 감지에 있어, PETR 및 변형 모델(PETRs)은 높은 계산 비용과 메모리 사용량으로 인해 실제 배포에 어려움을 겪습니다. 본 논문에서는 PETRs의 정확도를 유지하면서 계산 비용을 줄이기 위해, 세 가지 핵심 혁신을 포함하는 완전 양자화 프레임워크인 FQ-PETR을 제안합니다. FQ-PETR은 (1) 양자화 친화적인 LiDAR-ray 위치 임베딩(QFPE), (2) 이중 조회 테이블(DULUT), (3) 수치 안정화 후 양자화(QANS)를 통해 기존 양자화 기법의 한계를 극복하고, W8A8 양자화 환경에서 거의 부동 소수점 수준의 정확도를 유지하면서 최대 75%의 지연 시간을 감소시킵니다.

시사점, 한계점

•
시사점:
◦
PETRs의 계산 비용 문제를 해결하여 실제 자율 주행 시스템 배포 가능성을 높임.
◦
W8A8 양자화 환경에서 기존 PTQ 및 QAT 기법보다 우수한 성능을 보임.
◦
QFPE, DULUT, QANS는 양자화 과정에서의 정확도 저하를 방지하는 새로운 방법론 제시.
•
한계점:
◦
구체적인 성능 수치(예: mAP 감소량)가 명확히 제시되지 않아 성능 개선 정도에 대한 판단이 제한적임.
◦
다른 3D 감지 모델에 대한 FQ-PETR의 일반화 가능성에 대한 연구가 부족함.
◦
DULUT 구현 시 필요한 LUT 크기 및 계산 복잡성에 대한 정보가 부족함.
👍
Made with Slashpage