SIGGRAPH 2022 | 节省50%内存占用，浙大、快手等提出量化仿真新方法

在今年的 SIGGRAPH 2022 会议上，来自浙江大学、快手和美国犹他大学的研究人员联合发表了一篇题为《物理仿真的自动量化》的论文，提出了一种自动兼顾量化仿真精度和内存消耗的方法。与全精度的物理仿真相比，能够在视觉效果不受明显影响的前提下，节省 50% 以上的内存占用，从而大幅度提高了量化仿真的易用性和生产力。

• 论文地址：https://arxiv.org/abs/2207.04658

• 项目地址：https://github.com/Hanke98/AutoQuantizer

该方法的核心思想，是将物理仿真过程中由量化引起的精度损失建模为误差的传播过程，基于不确定性传播理论，将量化方案的自动求解问题描述为带约束的优化问题，将误差上限或者内存压缩率作为优化目标，并快速给出解析解作为可行的量化方案。

内容中包含的图片若涉及版权问题，请及时与我们联系删除