A Practical Recipe for Structured Pruning of MotionGPT: Dependency-Graph Pruning and FFN Channel Reduction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Human motion generation from natural language has become an important research challenge in computer vision and natural language processing, with applications in animation, robotics, and immersive VR/AR systems. Recent advances such as MotionGPT treat motion as a language sequence, enabling unified text-to-motion generation, captioning, and prediction across datasets like HumanML3D. However, the large size of such models limits their deployment in real-world settings. This paper presents a practical and reproducible pruning framework for MotionGPT, a state-of-the-art multimodal generative model that treats human motion as a foreign language. Two complementary structured pruning strategies are proposed: (1) dependency-graph pruning, a global, structure-aware method implemented with Torch-Pruning that removes channels consistently across residual connections, tied projections, and multi-head attention; and (2) FFN channel pruning, a local procedure tailored to T5-style DenseReluDense feed-forward blocks, which shrinks the dominant intermediate dimension. Experiments on HumanML3D show that the pruned model reduces parameters by ~14% while largely preserving semantic metrics such as Matching Score and R-Precision. Although FID increases (<tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$0.22 \rightarrow 0.86$</tex>) and trajectory errors (ADE/FDE) worsen moderately, motion diversity remains high. Compared to prior models such as MDM, the pruned MotionGPT maintains competitive or superior alignment scores while being more efficient. These findings demonstrate that structured pruning provides a viable path to making large motion-language models lighter and more accessible.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle