Fugu-MT 論文翻訳(概要): Network-Aware 5G Edge Computing for Object Detection: Augmenting Wearables to "See'' More, Farther and Faster

論文の概要: Network-Aware 5G Edge Computing for Object Detection: Augmenting Wearables to "See'' More, Farther and Faster

arxiv url: http://arxiv.org/abs/2112.13194v1
Date: Sat, 25 Dec 2021 07:09:00 GMT
ステータス: 処理完了
システム内更新日: 2021-12-28 17:30:03.820141
Title: Network-Aware 5G Edge Computing for Object Detection: Augmenting Wearables to "See'' More, Farther and Faster
Title（参考訳）: network-aware 5g edge computing for object detection: ウェアラブルを"より多く、より遠く、より速く"見るように拡張する
Authors: Zhongzheng Yuan, Tommy Azzino, Yu Hao, Yixuan Lyu, Haoyang Pei, Alain Boldini, Marco Mezzavilla, Mahya Beheshti, Maurizio Porfiri, Todd Hudson, William Seiple, Yi Fang, Sundeep Rangan, Yao Wang, J.R. Rizzo
Abstract要約: 本稿では,VIS4IONと呼ばれる強力なスマートウェアラブルにおいて,物体検出のための5G無線オフロードの詳細なシミュレーションと評価を行う。現行のVIS4IONシステムは、高解像度カメラ、視覚処理、触覚とオーディオのフィードバックを備えた電子ブックバッグである。本稿では,カメラデータをモバイルエッジクラウドにアップロードして,リアルタイムなオブジェクト検出と検出結果をウェアラブルに送信することを検討する。
参考スコア（独自算出の注目度）: 18.901994926291465
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Advanced wearable devices are increasingly incorporating high-resolution multi-camera systems. As state-of-the-art neural networks for processing the resulting image data are computationally demanding, there has been growing interest in leveraging fifth generation (5G) wireless connectivity and mobile edge computing for offloading this processing to the cloud. To assess this possibility, this paper presents a detailed simulation and evaluation of 5G wireless offloading for object detection within a powerful, new smart wearable called VIS4ION, for the Blind-and-Visually Impaired (BVI). The current VIS4ION system is an instrumented book-bag with high-resolution cameras, vision processing and haptic and audio feedback. The paper considers uploading the camera data to a mobile edge cloud to perform real-time object detection and transmitting the detection results back to the wearable. To determine the video requirements, the paper evaluates the impact of video bit rate and resolution on object detection accuracy and range. A new street scene dataset with labeled objects relevant to BVI navigation is leveraged for analysis. The vision evaluation is combined with a detailed full-stack wireless network simulation to determine the distribution of throughputs and delays with real navigation paths and ray-tracing from new high-resolution 3D models in an urban environment. For comparison, the wireless simulation considers both a standard 4G-Long Term Evolution (LTE) carrier and high-rate 5G millimeter-wave (mmWave) carrier. The work thus provides a thorough and realistic assessment of edge computing with mmWave connectivity in an application with both high bandwidth and low latency requirements.
Abstract（参考訳）: 高度なウェアラブルデバイスは、高解像度のマルチカメラシステムを取り込んでいる。画像データを処理するための最先端のニューラルネットワークが計算上要求されているため、この処理をクラウドにオフロードするために第5世代(5g)ワイヤレス接続とモバイルエッジコンピューティングを活用することへの関心が高まっている。そこで本稿では,視覚障害者(bvi)のための,パワフルで新しいスマートウェアラブルであるvis4ionを用いて,物体検出のための5g無線オフロードの詳細なシミュレーションと評価を行う。現行のVIS4IONシステムは、高解像度カメラ、視覚処理、触覚とオーディオのフィードバックを備えた電子ブックバッグである。本稿では,カメラデータをモバイルエッジクラウドにアップロードして,リアルタイムなオブジェクト検出と検出結果をウェアラブルに送信することを検討する。ビデオの要件を決定するために,ビデオビットレートと解像度が物体検出精度と範囲に与える影響を評価する。 BVIナビゲーションに関連するラベル付きオブジェクトを持つ新たなストリートシーンデータセットを解析に活用する。このビジョン評価は、詳細なフルスタック無線ネットワークシミュレーションと組み合わせて、都市環境における新しい高解像度3dモデルからの実際のナビゲーションパスとレイトレーシングによるスループットと遅延の分布を決定する。比較のために、無線シミュレーションは標準の4G-Long Term Evolution(LTE)キャリアと高レートの5Gミリ波キャリア(mmWave)キャリアの両方を考慮する。この作業は、高い帯域幅と低レイテンシの要件を持つアプリケーションにおいて、mmWave接続によるエッジコンピューティングの徹底的で現実的な評価を提供する。

関連論文リスト

Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
論文参考訳（メタデータ） (2024-10-29T19:02:54Z)
ES-PTAM: Event-based Stereo Parallel Tracking and Mapping [11.801511288805225]
イベントカメラは、標準的なカメラの限界を克服する利点を提供する。 2つのアイデアを組み合わせたイベントベースステレオVOシステムを提案する。実世界の5つのデータセットからシステムを評価する。
論文参考訳（メタデータ） (2024-08-28T07:56:28Z)
UHNet: An Ultra-Lightweight and High-Speed Edge Detection Network [2.8579170027399137]
本稿では,超軽量エッジ検出モデル(UHNet)を提案する。 UHNetは42.3kパラメータ、166 FPS、0.79G FLOPの優れたパフォーマンス指標を備えている。 BSDS500、NYUD、BIPEDデータセットの実験結果は、UHNetが顕著なエッジ検出性能を達成することを証明している。
論文参考訳（メタデータ） (2024-08-08T06:56:33Z)
Improving Unsupervised Video Object Segmentation via Fake Flow Generation [20.89278343723177]
本稿では,単一画像からの擬似光フローをシミュレートする新しいデータ生成手法を提案する。光フローマップは深度マップに大きく依存していることから着想を得て,各画像の深度マップを精細化し,拡大することにより,偽の光フローを生成する。
論文参考訳（メタデータ） (2024-07-16T13:32:50Z)
SAWEC: Sensing-Assisted Wireless Edge Computing [7.115682353265054]
本稿では,この問題に対処する新しいセンサ支援無線エッジコンピューティング(SAWEC)パラダイムを提案する。我々は,無線センシング技術を活用し,環境中の物体の位置を推定し,環境力学に関する洞察を得る。実験の結果,SAWECはチャネル占有率と終端遅延を90%以上削減することがわかった。
論文参考訳（メタデータ） (2024-02-15T15:39:46Z)
Super-Resolution Radar Imaging with Sparse Arrays Using a Deep Neural Network Trained with Enhanced Virtual Data [0.4640835690336652]
本稿では,極薄レーダー開口部からのレーダデータを完全に処理できるディープニューラルネットワーク(DNN)に基づく手法を提案する。提案したDNN処理は、エイリアスフリーレーダイメージングと超解像の両方を提供することができる。完全に占有された配列で達成されるのとほぼ同じ解像度と画質を同時に提供する。
論文参考訳（メタデータ） (2023-06-16T13:37:47Z)
Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for 5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文参考訳（メタデータ） (2022-01-13T15:20:45Z)
CNN-based Omnidirectional Object Detection for HermesBot Autonomous Delivery Robot with Preliminary Frame Classification [53.56290185900837]
予備的バイナリフレーム分類を用いた物体検出のためのニューラルネットワークの最適化アルゴリズムを提案する。周囲に6台のローリングシャッターカメラを備えた自律移動ロボットを360度視野として実験装置として使用した。
論文参考訳（メタデータ） (2021-10-22T15:05:37Z)
FOVEA: Foveated Image Magnification for Autonomous Navigation [53.69803081925454]
入力キャンバスを小さく保ちながら、ある領域を弾性的に拡大する注意的アプローチを提案する。提案手法は,高速R-CNNより高速かつ微調整の少ない検出APを高速化する。 Argoverse-HD と BDD100K の自律走行データセットでは,提案手法が標準の高速 R-CNN を超越した検出APを微調整なしで促進することを示す。
論文参考訳（メタデータ） (2021-08-27T03:07:55Z)
Feeling of Presence Maximization: mmWave-Enabled Virtual Reality Meets Deep Reinforcement Learning [76.46530937296066]
本稿では,無線モバイルユーザに対して,超信頼性でエネルギー効率のよいバーチャルリアリティ(VR)体験を提供するという課題について検討する。モバイルユーザへの信頼性の高い超高精細ビデオフレーム配信を実現するために,コーディネートマルチポイント(CoMP)伝送技術とミリ波(mmWave)通信を利用する。
論文参考訳（メタデータ） (2021-06-03T08:35:10Z)
A Big Data Enabled Channel Model for 5G Wireless Communication Systems [71.93009775340234]
本稿では,ビッグデータ解析,特に無線通信およびチャネルモデリングにおける機械学習アルゴリズムの様々な応用について検討する。本稿では,ビッグデータと機械学習を利用した無線チャネルモデルフレームワークを提案する。提案するチャネルモデルは、フィードフォワードニューラルネットワーク(FNN)やラジアル基底関数ニューラルネットワーク(RBF-NN)を含む、人工ニューラルネットワーク(ANN)に基づいている。
論文参考訳（メタデータ） (2020-02-28T05:56:14Z)

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。