論文の概要: Towards Energy-Efficiency by Navigating the Trilemma of Energy, Latency, and Accuracy
- arxiv url: http://arxiv.org/abs/2409.04018v1
- Date: Fri, 6 Sep 2024 04:10:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-09 16:48:15.974557
- Title: Towards Energy-Efficiency by Navigating the Trilemma of Energy, Latency, and Accuracy
- Title（参考訳）: エネルギー・レイテンシ・正確性のトリレンマをナビゲートするエネルギー効率を目指して
- Authors: Boyuan Tian, Yihan Pang, Muhammad Huzaifa, Shenlong Wang, Sarita Adve,
- Abstract要約: 拡張現実感(XR)は、非テザリングヘッドセットによる没入型体験を可能にするが、バッテリーとリソースの制約に悩まされる。
本稿では, 没入型XR体験のための重要なビルディングブロックであるシーン再構築について検討し, エネルギー効率の向上を実証する。
- 参考スコア（独自算出の注目度）: 10.597365664501135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extended Reality (XR) enables immersive experiences through untethered headsets but suffers from stringent battery and resource constraints. Energy-efficient design is crucial to ensure both longevity and high performance in XR devices. However, latency and accuracy are often prioritized over energy, leading to a gap in achieving energy efficiency. This paper examines scene reconstruction, a key building block for immersive XR experiences, and demonstrates how energy efficiency can be achieved by navigating the trilemma of energy, latency, and accuracy. We explore three classes of energy-oriented optimizations, covering the algorithm, execution, and data, that reveal a broad design space through configurable parameters. Our resulting 72 designs expose a wide range of latency and energy trade-offs, with a smaller range of accuracy loss. We identify a Pareto-optimal curve and show that the designs on the curve are achievable only through synergistic co-optimization of all three optimization classes and by considering the latency and accuracy needs of downstream scene reconstruction consumers. Our analysis covering various use cases and measurements on an embedded class system shows that, relative to the baseline, our designs offer energy benefits of up to 60X with potential latency range of 4X slowdown to 2X speedup. Detailed exploration of a use case across representative data sequences from ScanNet showed about 25X energy savings with 1.5X latency reduction and negligible reconstruction quality loss.
- Abstract（参考訳）: 拡張現実感(XR)は、非テザリングヘッドセットによる没入型体験を可能にするが、バッテリーとリソースの制約に悩まされる。
エネルギー効率の高い設計は、XRデバイスにおける長寿命性と高性能の両方を保証するために不可欠である。
しかし、遅延と精度はエネルギーよりも優先されることが多く、エネルギー効率の差が生じる。
本稿では, 没入型XR体験のための重要なビルディングブロックであるシーン再構築について検討し, エネルギー, レイテンシ, 精度のトリレンマをナビゲートすることによって, エネルギー効率がいかに向上するかを示す。
構成可能なパラメータによって広い設計空間を明らかにするアルゴリズム,実行,データをカバーする,エネルギー指向最適化の3つのクラスについて検討する。
結果として得られた72の設計では、レイテンシとエネルギーのトレードオフの幅が広くなり、精度が低下する。
本研究では,3つの最適化クラスの相乗的共最適化と,下流のシーン再構築消費者のレイテンシと精度の要求を考慮し,曲線上の設計が達成可能であることを示す。
組込みクラスシステムにおける各種のユースケースと測定結果から, ベースラインと比較して, 最大60倍の省エネ効果と, 4倍の遅延範囲を2倍のスピードアップに短縮できる可能性が示唆された。
ScanNetからの代表データ列にまたがるユースケースの詳細な調査では、1.5倍の遅延低減と無視可能な再構築品質の損失で約25倍の省エネが見られた。
関連論文リスト
- TReX- Reusing Vision Transformer's Attention for Efficient Xbar-based Computing [12.583079680322156]
本稿では,注目度に基づくViT最適化フレームワークであるTReXを提案する。
We found that TReX achieves 2.3x (2.19x) EDAP reduction and 1.86x (1.79x) TOPS/mm2 improve with 1% accuracy drop in case of DeiT-S (LV-ViT-S) ViT models。
CoLAのようなNLPタスクでは、TReXは、基準線が1.6倍低いEDAPよりも2%高い非理想的精度をもたらす。
論文 参考訳（メタデータ） (2024-08-22T21:51:38Z) - Unveiling Energy Efficiency in Deep Learning: Measurement, Prediction, and Scoring across Edge Devices [8.140572894424208]
我々はエネルギー測定、予測、効率評価を含む3倍の研究を行う。
まず、デバイス上での深層学習のエネルギー消費特性を明らかにするための、第1級の詳細な測定結果を示す。
第2に、カーネルレベルのエネルギーデータセットに基づいて、エッジデバイスのための最初のカーネルレベルのエネルギー予測器を設計、実装する。
論文 参考訳（メタデータ） (2023-10-19T23:55:00Z) - FemtoDet: An Object Detection Baseline for Energy Versus Performance
Tradeoffs [27.006082622843653]
常にオンの監視カメラのような畳み込みニューラルネットワークの視覚応用は、エネルギー制約にとって重要である。
本稿では,2つの視点からエネルギーと性能のトレードオフに到達するための検出器を設計し,ベースラインとして機能することを目的とする。
論文 参考訳（メタデータ） (2023-01-17T06:24:08Z) - Recurrent Vision Transformers for Object Detection with Event Cameras [62.27246562304705]
本稿では,イベントカメラを用いた物体検出のための新しいバックボーンであるリカレントビジョントランス (RVT) を提案する。
RVTは、イベントベースのオブジェクト検出で最先端のパフォーマンスに到達するために、ゼロからトレーニングすることができる。
私たちの研究は、イベントベースのビジョンを超えた研究に役立ち得る効果的なデザイン選択に、新たな洞察をもたらします。
論文 参考訳（メタデータ） (2022-12-11T20:28:59Z) - Data-Model-Circuit Tri-Design for Ultra-Light Video Intelligence on Edge
Devices [90.30316433184414]
本稿では,HDビデオストリーム上での高スループット,低コスト,高精度MOTのためのデータモデル・ハードウエア・トリデザイン・フレームワークを提案する。
現状のMOTベースラインと比較して、我々の三設計アプローチは12.5倍の遅延低減、20.9倍のフレームレート改善、5.83倍の低消費電力、9.78倍のエネルギー効率を実現でき、精度は低下しない。
論文 参考訳（メタデータ） (2022-10-16T16:21:40Z) - 3D Adapted Random Forest Vision (3DARFV) for Untangling
Heterogeneous-Fabric Exceeding Deep Learning Semantic Segmentation Efficiency
at the Utmost Accuracy [1.6020567943077142]
3D画像の解析には多くの計算が必要であり、大きなエネルギー消費とともに処理時間が長くなる。
本稿では,確率的決定木アルゴリズムである3次元適応ランダムフォレストビジョン(DARFV)のセマンティックセグメンテーション能力について述べる。
論文 参考訳（メタデータ） (2022-03-23T15:05:23Z) - Projected GANs Converge Faster [50.23237734403834]
GAN(Generative Adversarial Networks)は高品質な画像を生成するが、訓練は難しい。
生成したサンプルと実際のサンプルを固定された事前訓練された特徴空間に投影することで、これらの問題に大きく取り組みます。
我々の投影GANは画像品質、サンプル効率、収束速度を改善する。
論文 参考訳（メタデータ） (2021-11-01T15:11:01Z) - Deep Reinforcement Learning Based Multidimensional Resource Management
for Energy Harvesting Cognitive NOMA Communications [64.1076645382049]
エネルギー収穫(EH)、認知無線(CR)、非直交多重アクセス(NOMA)の組み合わせはエネルギー効率を向上させるための有望な解決策である。
本稿では,決定論的CR-NOMA IoTシステムにおけるスペクトル,エネルギー,時間資源管理について検討する。
論文 参考訳（メタデータ） (2021-09-17T08:55:48Z) - Fourier Space Losses for Efficient Perceptual Image Super-Resolution [131.50099891772598]
提案した損失関数の適用のみで,最近導入された効率的なジェネレータアーキテクチャの性能向上が可能であることを示す。
フーリエ空間における周波数に対する損失の直接的強調は知覚的画質を著しく向上させることを示す。
訓練されたジェネレータは、最先端の知覚的SR法である RankSRGAN と SRFlow よりも2.4倍、48倍高速である。
論文 参考訳（メタデータ） (2021-06-01T20:34:52Z) - FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。
現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。
提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
論文 参考訳（メタデータ） (2021-03-08T03:09:37Z)
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。