Intel（英特尔）

CFRNet: Cycle-Consistent Fixed-Point Training for Real-Time Blind Face Restoration on Consumer Embedded NPUs

CFRNet: 用于消费级嵌入式NPU上实时盲脸修复的循环一致不动点训练

Fuchen Li, Xinyang Wang, Yahui Zhang, Yuhan Chen, Jiahong Guo, Zhuohan Qin, Wenbo Ma

机构 * University of Florida（佛罗里达大学） ； University of Southampton（南安普顿大学） ； Chongqing University（重庆大学） ； Qingdao University（青岛大学） ； Intel Asia-Pacific Research & Development Ltd（英特尔亚太研发有限公司） 纠错

AI总结 提出CFRNet，一种2.0M参数的ResNet风格修复网络，通过循环一致不动点训练（CCFP）在消费级NPU上实现高质量盲脸修复，兼顾速度与效果，LPIPS比单次循环降低31%。

Comments 12 pages.Code and project page will be released

Hermes: Accelerating Long-Latency Load Requests via Perceptron-Based Off-Chip Load Prediction

Hermes: 通过基于感知器的片外负载预测加速长延迟负载请求

Rahul Bera, Konstantinos Kanellopoulos, Shankar Balachandran, David Novo, Ataberk Olgun, Mohammad Sadrosadati, Onur Mutlu

机构 * ETH Zürich（苏黎世联邦理工学院） ； Intel Processor Architecture Research Lab（英特尔处理器架构研究实验室） ； LIRMM, Univ. Montpellier, CNRS（蒙彼利埃大学LIRMM实验室，CNRS） 纠错

AI总结 提出Hermes技术，利用感知器预测片外负载请求，投机性地直接从主存获取数据，同时并行访问缓存层次，从而消除片外负载关键路径上的片上缓存访问延迟，显著提升处理器性能。

Comments To appear in 55th IEEE/ACM International Symposium on Microarchitecture (MICRO), 2022