論文の概要: End-to-End Latency Optimization of Multi-view 3D Reconstruction for Disaster Response

• arxiv url: http://arxiv.org/abs/2304.01488v1
• Date: Tue, 4 Apr 2023 03:04:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-05 15:32:02.139791
• Title: End-to-End Latency Optimization of Multi-view 3D Reconstruction for Disaster Response
• Title（参考訳）: 災害対応のための多視点3次元再構成のエンドツーエンドレイテンシ最適化
• Authors: Xiaojie Zhang, Mingjun Li, Andrew Hilton, Amitangshu Pal, Soumyabrata Dey, Saptarshi Debroy
• Abstract要約: マルチビューステレオ(MVS)ベースの3D再構成アプリケーションは、特にそのような計算に制約のある移動体エッジデバイス上で実行するのに非常に時間がかかる。 本稿では,エンド・ツー・エンドのレイテンシとリコンストラクション品質を最適にバランスさせることを目的として,レイテンシ最適化型MVSアルゴリズムパイプラインの設計を目的とする。
• 参考スコア（独自算出の注目度）: 3.471012855429593
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In order to plan rapid response during disasters, first responder agencies often adopt `bring your own device' (BYOD) model with inexpensive mobile edge devices (e.g., drones, robots, tablets) for complex video analytics applications, e.g., 3D reconstruction of a disaster scene. Unlike simpler video applications, widely used Multi-view Stereo (MVS) based 3D reconstruction applications (e.g., openMVG/openMVS) are exceedingly time consuming, especially when run on such computationally constrained mobile edge devices. Additionally, reducing the reconstruction latency of such inherently sequential algorithms is challenging as unintelligent, application-agnostic strategies can drastically degrade the reconstruction (i.e., application outcome) quality making them useless. In this paper, we aim to design a latency optimized MVS algorithm pipeline, with the objective to best balance the end-to-end latency and reconstruction quality by running the pipeline on a collaborative mobile edge environment. The overall optimization approach is two-pronged where: (a) application optimizations introduce data-level parallelism by splitting the pipeline into high frequency and low frequency reconstruction components and (b) system optimizations incorporate task-level parallelism to the pipelines by running them opportunistically on available resources with online quality control in order to balance both latency and quality. Our evaluation on a hardware testbed using publicly available datasets shows upto ~54% reduction in latency with negligible loss (~4-7%) in reconstruction quality.
• Abstract（参考訳）: 災害時の迅速な対応を計画するために、ファーストレスポンサは、災害現場の3d再構築のような複雑なビデオ分析アプリケーションのために、安価なモバイルエッジデバイス(ドローン、ロボット、タブレットなど)で‘bring your own device’(byod)モデルを採用することが多い。 より単純なビデオアプリケーションとは異なり、広範に使われているMulti-view Stereo (MVS)ベースの3D再構成アプリケーション(例えばopenMVG/openMVS)は、特に計算に制約のあるモバイルエッジデバイス上で実行するのに非常に時間がかかる。 さらに、このような本質的にシーケンシャルなアルゴリズムのリコンストラクションの遅延を減らすことは困難であり、アプリケーションに依存しない戦略は、リコンストラクション(すなわち、アプリケーション結果)の品質を劇的に低下させ、それらを役に立たないものにすることができる。 本稿では,遅延を最適化したmvsアルゴリズムパイプラインの設計を目標とし,このパイプラインを協調したモバイルエッジ環境上で動作させることで,エンドツーエンドのレイテンシと再構築品質を最善にバランスさせることを目的としている。 全体的な最適化のアプローチは2つある。 a) パイプラインを高周波・低周波再構成コンポーネントに分割してデータレベル並列性を導入するアプリケーション最適化 b) システムの最適化は、レイテンシと品質のバランスをとるために、利用可能なリソースとオンライン品質制御を併用して、タスクレベルの並列処理をパイプラインに組み込む。 公開データセットを用いたハードウェアテストベッドの評価では,リコンストラクション品質が約4～7%低下し,レイテンシが最大54%低減した。

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)
• Taming 3DGS: High-Quality Radiance Fields with Limited Resources [50.92437599516609]
  3D Gaussian Splatting (3DGS)は、高速で解釈可能で高忠実なレンダリングで新規ビュー合成を変換した。 予算で3DGSモデルをトレーニングし、レンダリングするという課題に取り組みます。 我々は、勾配計算と属性更新のための高速で数値的に等価な解を導出する。
  論文  参考訳（メタデータ） (2024-06-21T20:44:23Z)
• PipeRAG: Fast Retrieval-Augmented Generation via Algorithm-System Co-design [16.76965926088238]
  PipeRAGは、生成遅延を低減し、生成品質を向上させるアルゴリズムとシステムの共同設計手法である。 評価の結果,PpipeRAGは最大2.6$times$の高速化を実現し,生成品質を向上した。
  論文  参考訳（メタデータ） (2024-03-08T21:09:20Z)
• Residual Multiplicative Filter Networks for Multiscale Reconstruction [24.962697695403037]
  我々は,学習した再構成の周波数サポートをきめ細かな制御で粗大な最適化を可能にする,新しい座標ネットワークアーキテクチャとトレーニング手法を提案する。 これらの修正によって、自然画像への粗大なフィッティングのマルチスケール最適化が実現されることを示す。 次に, 単粒子Creo-EM再構成問題に対する合成データセットのモデル評価を行った。
  論文  参考訳（メタデータ） (2022-06-01T20:16:28Z)
• 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)
• Architecture Aware Latency Constrained Sparse Neural Networks [35.50683537052815]
  本稿では,CNNモデルの作成と高速化を目的として,遅延制約付きスパースフレームワークを設計する。 また,効率的な計算のための新しいスパース畳み込みアルゴリズムを提案する。 我々のシステム・アルゴリズムの共同設計フレームワークは、リソース制約のあるモバイルデバイス上でのネットワークの精度とレイテンシのフロンティアをはるかに向上させることができる。
  論文  参考訳（メタデータ） (2021-09-01T03:41:31Z)
• Achieving on-Mobile Real-Time Super-Resolution with Neural Architecture and Pruning Search [64.80878113422824]
  リアルタイムの推論要求を満たすとともに、画像品質の高いスパース超解像モデル(SR)を導出する自動探索フレームワークを提案する。 提案したフレームワークでは、競合画像の品質を持つ720pの解像度を実現するために、リアルタイムSR推論(フレームあたり数ミリ秒)を初めて実現している。
  論文  参考訳（メタデータ） (2021-08-18T06:47:31Z)
• A New Backbone for Hyperspectral Image Reconstruction [90.48427561874402]
  3次元ハイパースペクトル画像(HSI)再構成は、スナップショット圧縮画像の逆過程を指す。 空間/スペクトル不変Residual U-Net、すなわちSSI-ResU-Netを提案する。 SSI-ResU-Net は浮動小数点演算の 77.3% 以上で競合する性能を実現する。
  論文  参考訳（メタデータ） (2021-08-17T16:20:51Z)
• Multi-Exit Semantic Segmentation Networks [78.44441236864057]
  本稿では,最先端セグメンテーションモデルをMESSネットワークに変換するフレームワークを提案する。 パラメトリド早期出口を用いた特別訓練されたCNNは、より簡単なサンプルの推測時に、その深さに沿って保存する。 接続されたセグメンテーションヘッドの数、配置、アーキテクチャとエグジットポリシーを併用して、デバイス機能とアプリケーション固有の要件に適応する。
  論文  参考訳（メタデータ） (2021-06-07T11:37:03Z)
• Real-time Non-line-of-sight Imaging with Two-step Deep Remapping [0.0]
  非視線(NLOS)イメージングは、間接光を考慮に入れます。 ほとんどのソリューションは過渡走査プロセスを使用し、続いてNLOSシーンを再構築するためのバックプロジェクションベースのアルゴリズムが続く。 ここでは、上記の欠陥に対処する新しいNLOSソリューションを提案し、検出装置と再構成アルゴリズムの両方に革新をもたらす。
  論文  参考訳（メタデータ） (2021-01-26T00:08:54Z)

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。