論文の概要: Boosting performance of computer vision applications through embedded GPUs on the edge

• arxiv url: http://arxiv.org/abs/2511.01129v1
• Date: Mon, 03 Nov 2025 00:38:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.074865
• Title: Boosting performance of computer vision applications through embedded GPUs on the edge
• Title（参考訳）: エッジ上の組込みGPUによるコンピュータビジョンアプリケーションのブースティング性能
• Authors: Fabio Diniz Rossi,
• Abstract要約: コンピュータビジョンアプリケーション、特に拡張現実技術を使ったアプリケーションは、モバイルデバイスでは非常に人気がある。 本研究は,グラフィクス処理ユニット(GPU)を備えた組み込みデバイスを用いて,そのような制限を克服することを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer vision applications, especially those using augmented reality technology, are becoming quite popular in mobile devices. However, this type of application is known as presenting significant demands regarding resources. In order to enable its utilization in devices with more modest resources, edge computing can be used to offload certain high intensive tasks. Still, edge computing is usually composed of devices with limited capacity, which may impact in users quality of experience when using computer vision applications. This work proposes the use of embedded devices with graphics processing units (GPUs) to overcome such limitation. Experiments performed shown that GPUs can attain a performance gain when compared to using only CPUs, which guarantee a better experience to users using such kind of application.
• Abstract（参考訳）: コンピュータビジョンアプリケーション、特に拡張現実技術を使ったアプリケーションは、モバイルデバイスでは非常に人気がある。 しかし、この種のアプリケーションはリソースに関する重要な要求を示すことで知られている。 より控えめなリソースを持つデバイスでの利用を可能にするため、エッジコンピューティングは特定の高負荷タスクをオフロードするために使用することができる。 それでもエッジコンピューティングは通常、限られた容量のデバイスで構成されており、コンピュータビジョンアプリケーションを使用する際のユーザエクスペリエンスの品質に影響を与える可能性がある。 本研究は,グラフィクス処理ユニット(GPU)を備えた組み込みデバイスを用いて,そのような制限を克服することを提案する。 実験の結果、GPUはCPUのみを使用する場合と比較してパフォーマンスが向上し、この種のアプリケーションを使用するユーザにとってより良いエクスペリエンスが保証されることがわかった。

関連論文リスト

• Efficient Deployment of Vision-Language Models on Mobile Devices: A Case Study on OnePlus 13R [1.747235124122244]
  Vision-Language Models (VLM) はモバイルデバイスに有望な機能を提供するが、そのデプロイメントは計算の制限とエネルギー効率の低下によって困難に直面している。 本研究は、モバイルデバイス上でのVLMのデプロイメントフレームワークに関する総合的な調査を行い、llama、MLC-Imp、mllmを評価した。
  論文  参考訳（メタデータ） (2025-07-11T11:30:57Z)
• Edge-GPU Based Face Tracking for Face Detection and Recognition Acceleration [0.0]
  本稿では,NVIDIA Jetson AGX Orin上での顔検出と認識を最適化するためのハードウェアとソフトウェアの組み合わせを提案する。 結果から,Orin GPUで利用可能なハードウェアエンジンとトラッカーをパイプラインに統合することにより,1920 x 1080 の入力サイズフレームに対して,平均 6 面/フレームを含む290 FPS (frames per second) の劇的なスループットが得られることが示唆された。 このハードウェア・コーデサイン・アプローチは、公共の場でのビデオ監視に不可欠である、エッジで高性能なマシンビジョンシステムを設計する方法を舗装することができる。
  論文  参考訳（メタデータ） (2025-05-07T15:57:53Z)
• Leveraging Simultaneous Usage of Edge GPU Hardware Engines for Video Face Detection and Recognition [0.0]
  本稿では,エッジGPUで利用可能なハードウェアエンジンの同時使用を最大化することを目的とする。 これには、ほとんどの顔監視アプリケーションで必要とされるビデオデコーディングタスクが含まれている。 結果は、最近のNVIDIAエッジOrin GPUで利用可能なすべてのハードウェアエンジンを同時に使用し、高いスループットと約300mWの電力消費をわずかに削減し、約5%を占めることを示唆している。
  論文  参考訳（メタデータ） (2025-05-07T15:22:17Z)
• FusionAI: Decentralized Training and Deploying LLMs with Massive Consumer-Level GPUs [57.12856172329322]
  我々は、巨大な未使用のコンシューマレベルのGPUをアンロックする分散システムを構想する。 このシステムは、CPUとGPUメモリの制限、ネットワーク帯域幅の低さ、ピアとデバイスの多様性など、重要な課題に直面している。
  論文  参考訳（メタデータ） (2023-09-03T13:27:56Z)
• Safe, Seamless, And Scalable Integration Of Asynchronous GPU Streams In PETSc [4.123597295703336]
  この研究は、ストリームの採用におけるライブラリ作者特有の困難を列挙し、それらに対処する最近の研究を提示する。 我々はこれらの課題を克服するために, Portable, Extensible, Toolkit for Scientific Computation (PETSc) で使用する統一非同期プログラミングモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-30T17:00:22Z)
• EfficientViT: Multi-Scale Linear Attention for High-Resolution Dense Prediction [67.11722682878722]
  この研究は、新しいマルチスケール線形注意を持つ高解像度ビジョンモデルのファミリーであるEfficientViTを提示する。 マルチスケール線形注意は,グローバルな受容場とマルチスケール学習を実現する。 EfficientViTは従来の最先端モデルよりも優れたパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2022-05-29T20:07:23Z)
• MAPLE-Edge: A Runtime Latency Predictor for Edge Devices [80.01591186546793]
  汎用ハードウェアの最先端遅延予測器であるMAPLEのエッジデバイス指向拡張であるMAPLE-Edgeを提案する。 MAPLEと比較して、MAPLE-Edgeはより小さなCPUパフォーマンスカウンタを使用して、ランタイムとターゲットデバイスプラットフォームを記述することができる。 また、共通ランタイムを共有するデバイスプール上でトレーニングを行うMAPLEとは異なり、MAPLE-Edgeは実行時に効果的に一般化できることを示す。
  論文  参考訳（メタデータ） (2022-04-27T14:00:48Z)
• Semantic Scene Segmentation for Robotics Applications [51.66271681532262]
  様々な設定の下で,最も成功したセマンティックシーンセグメンテーションモデルの動作を,展開(推論)速度の観点から検討する。 この研究の目的は、ロボット工学の応用要件に最も適合しているものを選択するために、現在の最先端セグメンテーションモデルの比較研究を提供することである。
  論文  参考訳（メタデータ） (2021-08-25T08:55:20Z)

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。