論文の概要: A Distributed Framework to Orchestrate Video Analytics Applications
- arxiv url: http://arxiv.org/abs/2009.09065v1
- Date: Thu, 17 Sep 2020 07:10:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-02 00:00:46.996929
- Title: A Distributed Framework to Orchestrate Video Analytics Applications
- Title（参考訳）: ビデオ分析アプリケーションをオーケストレーションする分散フレームワーク
- Authors: Tapan Pathak and Vatsal Patel and Sarth Kanani and Shailesh Arya and
Pankesh Patel and Muhammad Intizar Ali and John Breslin
- Abstract要約: We propose a distributed framework to orchestrate video analytics across Edge and Cloud resources。
本稿では,提案するフレームワークと最先端モデルについて検討し,様々な指標について比較分析を行った。
- 参考スコア（独自算出の注目度）: 0.09236074230806578
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: The concept of the Internet of Things (IoT) is a reality now. This paradigm
shift has caught everyones attention in a large class of applications,
including IoT-based video analytics using smart doorbells. Due to its growing
application segments, various efforts exist in scientific literature and many
video-based doorbell solutions are commercially available in the market.
However, contemporary offerings are bespoke, offering limited composability and
reusability of a smart doorbell framework. Second, they are monolithic and
proprietary, which means that the implementation details remain hidden from the
users. We believe that a transparent design can greatly aid in the development
of a smart doorbell, enabling its use in multiple application domains.
To address the above-mentioned challenges, we propose a distributed framework
to orchestrate video analytics across Edge and Cloud resources. We investigate
trade-offs in the distribution of different software components over a
bespoke/full system, where components over Edge and Cloud are treated
generically. This paper evaluates the proposed framework as well as the
state-of-the-art models and presents comparative analysis of them on various
metrics (such as overall model accuracy, latency, memory, and CPU usage). The
evaluation result demonstrates our intuition very well, showcasing that the
AWS-based approach exhibits reasonably high object-detection accuracy, low
memory, and CPU usage when compared to the state-of-the-art approaches, but
high latency.
- Abstract（参考訳）: IoT(Internet of Things)の概念は現在現実になっている。
このパラダイムシフトは、スマートドアベルを使用したIoTベースのビデオ分析など、多くのアプリケーションで注目を集めている。
応用セグメントの増大により、科学文献に様々な取り組みがあり、多くのビデオベースのドアベルソリューションが市販されている。
しかし、現代の製品は目覚ましいもので、スマートドアベルフレームワークのコンポーザビリティと再利用性に制限がある。
第二に、それらはモノリシックでプロプライエタリなので、実装の詳細はユーザから隠されている。
透過的な設計はスマートドアベルの開発を大いに助け、複数のアプリケーションドメインでの使用を可能にすると信じています。
上記の課題に対処するため、EdgeとCloudリソース間でビデオ分析をオーケストレーションする分散フレームワークを提案する。
我々は,エッジ上のコンポーネントとクラウド上のコンポーネントを汎用的に扱う,bespoke/fullシステム上の異なるソフトウェアコンポーネントの配布におけるトレードオフについて検討する。
本稿では,提案されたフレームワークと最先端モデルを評価し,各種指標(モデル全体の精度,レイテンシ,メモリ使用量,cpu使用量など)について比較分析を行う。
評価結果は、AWSベースのアプローチは、最先端のアプローチと比較して、合理的に高いオブジェクト検出精度、低いメモリ、CPU使用率を示すが、レイテンシが高いことを示している。
関連論文リスト
- Prompting Video-Language Foundation Models with Domain-specific Fine-grained Heuristics for Video Question Answering [71.62961521518731]
HeurVidQAは、ドメイン固有のエンティティアクションを利用して、事前訓練されたビデオ言語基盤モデルを洗練するフレームワークである。
我々のアプローチでは、これらのモデルを暗黙の知識エンジンとして扱い、ドメイン固有のエンティティアクションプロンサを使用して、推論を強化する正確な手がかりにモデルを焦点を向けます。
論文 参考訳（メタデータ） (2024-10-12T06:22:23Z) - SAMEdge: An Edge-cloud Video Analytics Architecture for the Segment Anything Model [7.9748022315005]
エッジユーザのためのSAM計算をサポートするために設計された,新しいエッジクラウドコンピューティングアーキテクチャであるPamedgeを提案する。
Madedgeはエッジとクラウドの新たなモジュールを統合して、視覚的なプロンプト下での分析精度を最大化し、遅延制約のある入力プロンプトをイメージする。
論文 参考訳（メタデータ） (2024-09-23T07:59:09Z) - General Object Foundation Model for Images and Videos at Scale [99.2806103051613]
本稿では,画像やビデオ中の物体の位置と識別のためのオブジェクトレベルの基礎モデルであるGLEEを提案する。
GLEEは、オープンワールドシナリオにおける任意のオブジェクトの検出、セグメンテーション、トラッキング、グラウンド、識別を達成する。
画像エンコーダ,テキストエンコーダ,視覚プロンプトを用いて複数モーダル入力を処理し,様々なオブジェクト中心の下流タスクを同時に解決する。
論文 参考訳（メタデータ） (2023-12-14T17:26:00Z) - Building Interpretable and Reliable Open Information Retriever for New
Domains Overnight [67.03842581848299]
情報検索は、オープンドメイン質問応答(QA)など、多くのダウンストリームタスクにとって重要な要素である。
本稿では、エンティティ/イベントリンクモデルとクエリ分解モデルを用いて、クエリの異なる情報単位により正確にフォーカスする情報検索パイプラインを提案する。
より解釈可能で信頼性が高いが,提案したパイプラインは,5つのIRおよびQAベンチマークにおける通過カバレッジと記述精度を大幅に向上することを示す。
論文 参考訳（メタデータ） (2023-08-09T07:47:17Z) - MAPLE-X: Latency Prediction with Explicit Microprocessor Prior Knowledge [87.41163540910854]
ディープニューラルネットワーク(DNN)レイテンシのキャラクタリゼーションは、時間を要するプロセスである。
ハードウェアデバイスの事前知識とDNNアーキテクチャのレイテンシを具体化し,MAPLEを拡張したMAPLE-Xを提案する。
論文 参考訳（メタデータ） (2022-05-25T11:08:20Z) - Scalable Video Object Segmentation with Identification Mechanism [125.4229430216776]
本稿では,半教師付きビデオオブジェクト(VOS)のスケーラブルで効果的なマルチオブジェクトモデリングを実現する上での課題について検討する。
AOT(Associating Objects with Transformers)とAOST(Associating Objects with Scalable Transformers)の2つの革新的なアプローチを提案する。
当社のアプローチは最先端の競合に勝って,6つのベンチマークすべてにおいて,例外的な効率性とスケーラビリティを一貫して示しています。
論文 参考訳（メタデータ） (2022-03-22T03:33:27Z) - Multi-Exit Vision Transformer for Dynamic Inference [88.17413955380262]
視覚変換器のバックボーンの動的推論に使用できる早期出口分岐のための7つの異なるアーキテクチャを提案する。
提案したアーキテクチャのそれぞれが,精度と速度のトレードオフにおいて有用であることを示す。
論文 参考訳（メタデータ） (2021-06-29T09:01:13Z) - Internet of Things (IoT) Based Video Analytics: a use case of Smart
Doorbell [0.0]
ビデオベースのスマートドアベルシステムは、ビデオ分析のアプリケーションドメインのひとつだ。
本稿では,スマートドアベルシステムを用いた映像解析のための分散フレームワークを提案する。
提案されたフレームワークはベースプラットフォームとしてaws cloud servicesを使用しており、価格設定の制約を満たすため、システムは安価なraspberry piに実装された。
論文 参考訳（メタデータ） (2021-05-13T18:48:48Z) - ApproxDet: Content and Contention-Aware Approximate Object Detection for
Mobiles [19.41234144545467]
本稿では,モバイル機器用適応型ビデオオブジェクト検出フレームワークであるApproxDetを紹介する。
大規模なベンチマークビデオデータセット上でApproxDetを評価し,AdaScaleやYOLOv3と比較した。
ApproxDetは、幅広いコンテントやコンテンツの特徴に適応し、すべてのベースラインを誇張することができる。
論文 参考訳（メタデータ） (2020-10-21T04:11:05Z) - A Demonstration of Smart Doorbell Design Using Federated Deep Learning [0.09786690381850353]
本稿では,フェデレート深層学習に基づく知的スマートドアベルの能力を示す。
エッジとクラウドのリソースにまたがるスマートドアベルのような、ビデオ分析アプリケーションのデプロイと管理が可能になる。
論文 参考訳（メタデータ） (2020-10-19T17:22:34Z) - Demonstration of a Cloud-based Software Framework for Video Analytics
Application using Low-Cost IoT Devices [0.09236074230806578]
エッジリソースとクラウドリソースをまたいだビデオ分析をオーケストレーションするスマートドアベルを提案する。
この提案では、AWSを基本プラットフォームとして実装し、Edgeデバイスという形でRaspberry PiのようなCOTSで手頃な価格のデバイスを活用する。
論文 参考訳（メタデータ） (2020-09-29T06:05:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。