EternityLoong-CSDN博客

原创【论文解读】Cuckoo Counter: Adaptive Structure of Counters for Accurate Frequency and Top-k Estimation

这篇文章提出的 Cuckoo Counter 将一个流哈希到桶中，并利用 cuckoo hasing 的思想在发生溢出或冲突时去对流进行重新定位，从而充分利用内存。这使得 Cuckoo Counter 能够在真实网络数据流中在频数估计和识别 Top-k 流两项任务上有着很好的表现，并且能够同时保证速度、误差和（Top-k 流识别）精确度。

2024-04-11 17:40:09 1015 1

原创【论文解读】PA-Sketch: A Fast and Accurate Sketch for Differentiated Flow Estimation

本文对 PA-Sketch: A Fast and Accurate Sketch for Differentiated Flow Estimation 进行了解读。这篇发布于 ICNP 的文章提出了一种优先级自适应架构 PA-Sketch，它利用优先级感知哈希根据不同流的优先级动态分配适当数量的哈希函数，即根据流的优先级去分配不同数量的哈希函数。该草图结构能够在准确性和吞吐量之间取得良好的平衡。

2024-04-01 23:27:25 1045

原创【论文解读】DeltaINT: Toward General In-band Network Telemetry with Extremely Low Bandwidth Overhead

这篇文章提出了 DeltaINT，一个通用的INT框架，它实现了极低的带宽开销，并支持网络管理中的多种多样的数据包级别和流级别的应用。DeltaINT 基于这样的认识：状态变化在大多数情况下通常可以忽略不计，因此仅当状态变化被认为很重要时，它才会将状态嵌入到数据包中。

2024-03-26 20:18:05 830

原创【论文和源码解读】Scaling on Scales：When Do We Not Need Larger Vision Models?

对于更好的视觉理解来说，更大的模型一定是必要的吗？Scaling on Scales 的作者提出保持预训练模型的规模不变，通过在越来越多的图像尺寸上运行获得越来越强大的特征。使用 Scaling on Scales 方法进行预训练可提高较小模型的泛化能力，使其能够与较大模型相媲美。使用该方法在多个图像尺度上运行的预训练和冻结的较小视觉模型（例如，ViT-B或ViT-L）可以在图像分类、语义分割、深度估计、多模态 LLM (MLLM) 基准和机器人操作上优于较大模型（例如，ViT-H或ViT-G）。

2024-03-26 15:56:08 1354 1

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

原创 【论文解读】Cuckoo Counter: Adaptive Structure of Counters for Accurate Frequency and Top-k Estimation

原创 【论文解读】PA-Sketch: A Fast and Accurate Sketch for Differentiated Flow Estimation

原创 【论文解读】DeltaINT: Toward General In-band Network Telemetry with Extremely Low Bandwidth Overhead

原创 【论文和源码解读】Scaling on Scales：When Do We Not Need Larger Vision Models?

空空如也

空空如也

原创【论文解读】Cuckoo Counter: Adaptive Structure of Counters for Accurate Frequency and Top-k Estimation

原创【论文解读】PA-Sketch: A Fast and Accurate Sketch for Differentiated Flow Estimation

原创【论文解读】DeltaINT: Toward General In-band Network Telemetry with Extremely Low Bandwidth Overhead

原创【论文和源码解读】Scaling on Scales：When Do We Not Need Larger Vision Models?