4月16日消息，Facebook和新加坡国立大学联手提出了新一代卷积运算替代品：OctConv（Octave Convolution）。它就像卷积神经网络（CNN）的“压缩器”，无需修改原来的网络架构，也不用调整超参数，即插即用，能在提升效果的同时，节约计算资源的消耗。比如一个经典的图像识别算法，换掉其中的传统卷积，在ImageNet上的识别精度可提升1.2%，但只需要82%的算力和91%的存储空间。

该研究不仅测试了ResNet、ResNeXt、DenseNet、MobileNet、SE-Net等2D CNN在ImageNet上的图像分类能力，还测试了C2D、I3D等视频行为识别算法改用OctConv之后的性能变化。实验证明，无论是2D还是3D的CNN，都可以获得提升。该研究目前已获得多位AI专家的支持和关注。