文章预览
论文提出二值化多任务密集预测器 Bi-MTDP ，通过二值神经网络（ BNNs ）显著加速多任务密集预测模型，同时保持甚至提高模型性能。为了避免信息严重退化而导致二值化带来性能下降，论文引入了深度信息瓶颈层，在前向传播时强制要求下游任务表示满足高斯分布；此外，还引入知识蒸馏机制来纠正反向传播中信息流方向 来源：晓飞的算法工程笔记 公众号 论文: Efficient Multitask Dense Predictor via Binarization 论文地址：https://arxiv.org/abs/2405.14136 论文代码：https://github.com/42Shawn/BiMTDP Introduction 在计算机视觉领域，有一个日益增长的趋势，即以多任务学习的方式处理密集预测任务，例如语义分割、单眼深度估计和人体解析。由于多任务模型中通过交叉连接结构进行信息补充机制的收益，一系列密集预测任务的整体性能得到了极大提升（见图 1 ）。然而，
………………………………
