論文の概要: MotiMem: Motion-Aware Approximate Memory for Energy-Efficient Neural Perception in Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2603.27108v1
• Date: Sat, 28 Mar 2026 03:31:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.787081
• Title: MotiMem: Motion-Aware Approximate Memory for Energy-Efficient Neural Perception in Autonomous Vehicles
• Title（参考訳）: MotiMem: 自律走行車におけるエネルギー効率の高いニューラルパーセプションのための運動認識近似メモリ
• Authors: Haohua Que, Mingkai Liu, Jiayue Xie, Haojia Gao, Jiajun Sun, Hongyi Xu, Handong Yao, Fei Qiao,
• Abstract要約: 高解像度センサーは、堅牢な自律認識には不可欠だが、バッテリに拘束された電気自動車に厳しい記憶壁を課す。 従来の画像圧縮は、バスの切替アクティビティではなく、意味的に盲目であり、ストレージに最適化されている。 ハードウェア・ソフトウェア共同設計インタフェースであるMotiMemを提案する。
• 参考スコア（独自算出の注目度）: 8.360411807674472
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: High-resolution sensors are critical for robust autonomous perception but impose a severe memory wall on battery-constrained electric vehicles. In these systems, data movement energy often outweighs computation. Traditional image compression is ill-suited as it is semantically blind and optimizes for storage rather than bus switching activity. We propose MotiMem, a hardware-software co-designed interface. Exploiting temporal coherence,MotiMem uses lightweight 2D Motion Propagation to dynamically identify Regions of Interest (RoI). Complementing this, a Hybrid Sparsity-Aware Coding scheme leverages adaptive inversion and truncation to induce bitlevel sparsity. Extensive experiments across nuScenes, Waymo, and KITTI with 16 detection models demonstrate that MotiMem reduces memory-interface dynamic energy by approximately 43 percent while retaining approximately 93 percent of the object detection accuracy, establishing a new Pareto frontier significantly superior to standard codecs like JPEG and WebP.
• Abstract（参考訳）: 高解像度センサーは、堅牢な自律認識には不可欠だが、バッテリに拘束された電気自動車に厳しい記憶壁を課す。 これらのシステムでは、データ移動エネルギーが計算を上回っていることが多い。 従来の画像圧縮は、セマンティック・ブラインドであり、バスの切替アクティビティよりもストレージのために最適化されているため、適していない。 ハードウェア・ソフトウェア共同設計インタフェースであるMotiMemを提案する。 時間的コヒーレンスを爆発させるMotiMemは、軽量な2Dモーションプロパゲーションを使用して、関心の領域(RoI)を動的に識別する。 これを補完するハイブリッド・スパシティ・アウェア・コーディング方式は、適応的インバージョンとトランケーションを利用してビットレベル・スパシティを誘導する。 nuScenes、Waymo、KITTIの16種類の検出モデルによる大規模な実験により、MotiMemはオブジェクト検出精度の約93%を維持しながら、メモリとインターフェースのダイナミックエネルギーを約43%削減し、JPEGやWebPのような標準コーデックよりもはるかに優れた新しいParetoフロンティアを確立した。

関連論文リスト

• Memory-Efficient Fine-Tuning Diffusion Transformers via Dynamic Patch Sampling and Block Skipping [95.91466630940084]
  Diffusion Transformer (DiTs) はテキスト・ツー・イメージ(T2I)の生成品質を大幅に向上させ、高品質なパーソナライズされたコンテンツ作成を可能にした。 時間ステップ対応動的パッチサンプリングとブロックスキップを統合した,メモリ効率の良い細調整フレームワークDiT-BlockSkipを提案する。 提案手法は,メモリ使用量を大幅に削減しつつ,質的,定量的に競合するパーソナライズ性能を実現する。
  論文  参考訳（メタデータ） (2026-03-21T11:02:18Z)
• MI-DETR: A Strong Baseline for Moving Infrared Small Target Detection with Bio-Inspired Motion Integration [63.87179575890912]
  我々は、赤外線小ターゲット検出のためのバイオインスパイアされたデュアルパス検出装置であるモーション統合DETR(MI-DETR)を提案する。 まず、網膜にインスパイアされたセルオートマトン(RCA)は、生フレーム配列を外観画像と同じピクセルグリッド上に定義されたモーションマップに変換する。 第二に、PMI(Parvocellular-Magnocellular Interconnection)ブロックは2つの経路間の双方向の特徴的相互作用を促進する。
  論文  参考訳（メタデータ） (2026-03-05T11:39:31Z)
• Dual Latent Memory for Visual Multi-agent System [69.29799381195592]
  Visual Multi-Agent Systems (VMAS)は、エージェント間のコラボレーションを通じて包括的な能力を強化することを約束する。 増量剤は、指数関数的にトークンコストを膨らませながら、しばしば性能を低下させる。 L$2$-VMASは,2つの潜在記憶を用いたエージェント間コラボレーションを実現する新しいモデルに依存しないフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T02:49:10Z)
• Human-like Working Memory from Artificial Intrinsic Plasticity Neurons [0.03110995905282904]
  IPNetはニューロモルフィックなアーキテクチャであり、神経内在的な可塑性によって人間の様のワーキングメモリを実現する。 自律運転では、IPNetはResNet-LSTMと比較してステアリング予測誤差を14.4%削減する。
  論文  参考訳（メタデータ） (2025-12-17T17:24:37Z)
• MeMoSORT: Memory-Assisted Filtering and Motion-Adaptive Association Metric for Multi-Person Tracking [3.3959720271630216]
  我々は,MeMoSORTを提案する。MeMoSORTはシンプルで,オンラインかつリアルタイムなMOTトラッカーで,2つの重要なイノベーションがある。 MeMoSORTは、メモリ拡張ニューラルネットワークを使用して、仮定されたオブジェクトと実際のオブジェクトの動きのミスマッチを補償する。 DanceTrackとSportsMOTの実験は、MeMoSORTが最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-08-13T13:26:31Z)
• A Sensorimotor Vision Transformer [0.0]
  Sensorimotor Transformer (SMT) は人間の眼球運動に触発された視覚モデルである。 SMTは、本質的な2次元(i2D)特徴に基づいて、最も健全なパッチを特定し、選択する。
  論文  参考訳（メタデータ） (2025-04-03T12:37:44Z)
• Dynamic neural network with memristive CIM and CAM for 2D and 3D vision [57.6208980140268]
  本稿では,memristor を用いた意味記憶に基づく動的ニューラルネットワーク (DNN) を提案する。 ネットワークは、受信したデータとセマンティックベクターとして格納された過去の経験を関連付ける。 MNISTとModelNetのデータセットから画像と3Dポイントを分類するために、ResNetとPointNet++の40nmのmemristorマクロを用いて、我々の共同設計を検証する。
  論文  参考訳（メタデータ） (2024-07-12T04:55:57Z)
• Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
  スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。 スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。 我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
  論文  参考訳（メタデータ） (2024-04-08T16:34:35Z)
• Low-power event-based face detection with asynchronous neuromorphic hardware [2.0774873363739985]
  本稿では、SynSense Speckニューロモルフィックチップ上に展開されたイベントベースの顔検出のためのオンチップスパイクニューラルネットワークの最初の例を示す。 トレーニングに用いるオフチップクロック駆動シミュレーションとオンチップイベント駆動推論との精度の相違について述べる。 オンチップ顔検出のmAP[0.5]は0.6で、20mWしか消費しない。
  論文  参考訳（メタデータ） (2023-12-21T19:23:02Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• Improving Memory Utilization in Convolutional Neural Network Accelerators [16.340620299847384]
  本稿では,アクティベーション層を重複させ,メモリをより効率的に利用するためのマッピング手法を提案する。 様々な実世界のオブジェクト検出器ネットワークによる実験により、提案されたマッピング技術により、メモリのアクティベーションを最大32.9%削減できることが示された。 より高解像度のノイズ除去ネットワークでは、活性化メモリの48.8%の節約を実現している。
  論文  参考訳（メタデータ） (2020-07-20T09:34:36Z)

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。