論文の概要: CADENCE: Context-Adaptive Depth Estimation for Navigation and Computational Efficiency

• arxiv url: http://arxiv.org/abs/2604.07286v1
• Date: Wed, 08 Apr 2026 16:49:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.646981
• Title: CADENCE: Context-Adaptive Depth Estimation for Navigation and Computational Efficiency
• Title（参考訳）: CADENCE:ナビゲーションと計算効率のためのコンテキスト適応深さ推定
• Authors: Timothy K Johnsen, Marco Levorato,
• Abstract要約: CADENCEは、スリム化可能な単分子深度推定ネットワークの計算複雑性をスケールする適応システムである。 Microsoft AirSimとNVIDIA Jetson Orin Nanoを統合したオープンソーステストベッドの評価を行った。
• 参考スコア（独自算出の注目度）: 1.9680580983094327
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous vehicles deployed in remote environments typically rely on embedded processors, compact batteries, and lightweight sensors. These hardware limitations conflict with the need to derive robust representations of the environment, which often requires executing computationally intensive deep neural networks for perception. To address this challenge, we present CADENCE, an adaptive system that dynamically scales the computational complexity of a slimmable monocular depth estimation network in response to navigation needs and environmental context. By closing the loop between perception fidelity and actuation requirements, CADENCE ensures high-precision computing is only used when mission-critical. We conduct evaluations on our released open-source testbed that integrates Microsoft AirSim with an NVIDIA Jetson Orin Nano. As compared to a state-of-the-art static approach, CADENCE decreases sensor acquisitions, power consumption, and inference latency by 9.67%, 16.1%, and 74.8%, respectively. The results demonstrate an overall reduction in energy expenditure by 75.0%, along with an increase in navigation accuracy by 7.43%.
• Abstract（参考訳）: 遠隔環境に配備される自動運転車は通常、組み込みプロセッサ、小型バッテリー、軽量センサーに依存している。 これらのハードウェア制限は、しばしば知覚のために計算集約的なディープニューラルネットワークを実行する必要がある環境の堅牢な表現を導出する必要性と矛盾する。 この課題に対処するためにCADENCEは,ナビゲーションニーズや環境状況に応じて,スリム化可能な単眼深度推定ネットワークの計算複雑性を動的にスケールする適応システムである。 知覚の忠実度とアクティベーション要求の間のループを閉じることで、CADENCEはミッションクリティカル時にのみ高速コンピューティングが使用されることを保証する。 Microsoft AirSimとNVIDIA Jetson Orin Nanoを統合したオープンソーステストベッドの評価を行った。 最先端の静的アプローチと比較して、CADENCEはセンサーの取得、消費電力、推論遅延をそれぞれ9.67%、16.1%、74.8%減少させる。 その結果、エネルギー支出を75.0%削減し、航法精度を7.43%向上させた。

関連論文リスト

• Integrated Sensing, Communication, and Computation for Over-the-Air Federated Edge Learning [52.904670248426626]
  本稿では,統合されたセンサ,通信,計算機能を備えた空対空フェデレーションエッジ・ラーニング(Air-FEEL)システムについて検討する。 バッチサイズ制御とネットワークリソース割り当てを交互に最適化することにより、低複雑さI SCCアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2025-08-21T02:46:46Z)
• CPINN-ABPI: Physics-Informed Neural Networks for Accurate Power Estimation in MPSoCs [0.562479170374811]
  代替ブラインドパワー同定(ABPI)は理論的には定常温度への依存を排除している。 ABPIの性能は、実際のハードウェア実装では検証されていない。 本稿では、カスタム物理情報ニューラルネットワーク(CPINN)とABPIの熱モデルを統合する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-28T15:22:15Z)
• QuartDepth: Post-Training Quantization for Real-Time Depth Estimation on the Edge [55.75103034526652]
  ASIC のハードウェアアクセラレーションによる MDE モデルの定量化を後学習量子化に応用した QuartDepth を提案する。 提案手法では,重みとアクティベーションの両方を4ビット精度で定量化し,モデルサイズと計算コストを削減する。 我々は、カーネル融合とカスタマイズされた命令プログラム性をサポートすることにより、フレキシブルでプログラム可能なハードウェアアクセラレータを設計する。
  論文  参考訳（メタデータ） (2025-03-20T21:03:10Z)
• Hyperdimensional Intelligent Sensing for Efficient Real-Time Audio Processing on Extreme Edge [4.705504163848239]
  本稿では,インテリジェントなオーディオセンシングフレームワークに適した近接センサモデルによる画期的なアプローチを提案する。 我々のモデルは低エネルギー、高速推論、オンライン学習に優れています。 ASIC設計の効率的な実装には高い適応性があり、エネルギー効率に優れる。
  論文  参考訳（メタデータ） (2025-02-15T08:19:20Z)
• On-device Learning of EEGNet-based Network For Wearable Motor Imagery Brain-Computer Interface [2.1710886744493263]
  本稿では,ウェアラブルモータ画像認識のための軽量で効率的なオンデバイス学習エンジンを実装した。 我々は,メモリフットプリントが15.6KByteのベースラインに対して,最大7.31%の顕著な精度向上を示した。 我々の調整されたアプローチは、オンライントレーニング中に1回の推論で14.9ms、0.76mJ、1回の推測で20us、0.83uJの推論時間を示す。
  論文  参考訳（メタデータ） (2024-08-25T08:23:51Z)
• NaviSlim: Adaptive Context-Aware Navigation and Sensing via Dynamic Slimmable Networks [2.145904182587639]
  NaviSlimは、コンピューティングとセンサーに費やされるリソース量に適応可能な、ニューラルナビゲーションモデルの新たなクラスである。 NaviSlimは、既存のスリムブルネットワークとは異なり、モデル複雑性を自律的にスケールするためにスリム化要因を動的に選択できるゲートスリムブルニューラルネットワークアーキテクチャとして設計されている。 難易度が異なるシナリオでNaviSlimモデルを評価し, 平均57～92%, 61～80%のセンサ利用率でモデル複雑性を動的に減少させるテストセットを作成した。
  論文  参考訳（メタデータ） (2024-05-16T01:18:52Z)
• High-Throughput, High-Performance Deep Learning-Driven Light Guide Plate Surface Visual Quality Inspection Tailored for Real-World Manufacturing Environments [75.66288398180525]
  光導光板は、医療用照明器具からバックライトテレビディスプレイまで幅広い用途で広く利用されている光学部品である。 本研究では,光ガイド板表面の視覚的品質検査(VQI)を現実の製造環境に適した,完全に統合された,高性能なディープラーニング駆動ワークフローを提案する。 完全統合VQIシステム内のエッジコンピューティング上でのVQIの自動化を実現するため、高コンパクトな深層アンチエイリアス型アテンションコンデンサニューラルネットワーク(LightDefectNetと呼ぶ)が開発された。 LightDetectNetが検出精度を実現する実験
  論文  参考訳（メタデータ） (2022-12-20T20:11:11Z)
• Environmental Sensor Placement with Convolutional Gaussian Neural Processes [65.13973319334625]
  センサーは、特に南極のような遠隔地において、その測定の情報量が最大になるように配置することは困難である。 確率論的機械学習モデルは、予測の不確実性を最大限に低減するサイトを見つけることによって、情報的センサ配置を提案することができる。 本稿では,これらの問題に対処するために,畳み込み型ガウスニューラルプロセス(ConvGNP)を提案する。
  論文  参考訳（メタデータ） (2022-11-18T17:25:14Z)
• Energy-efficient and Privacy-aware Social Distance Monitoring with Low-resolution Infrared Sensors and Adaptive Inference [4.158182639870093]
  低分解能赤外線センサを利用して、屋内空間におけるプライバシー保護社会距離監視ソリューションを実装できる。 簡単な起動トリガと8ビット量子化畳み込みニューラルネットワーク(CNN)のカスケードで構成されるエネルギー効率の良い適応型推論ソリューションを提案する。 8x8の低分解能赤外線センサの出力を処理すると、静的CNNベースのアプローチでエネルギー消費量を37～57%削減できることを示す。
  論文  参考訳（メタデータ） (2022-04-22T07:07:38Z)
• Robustifying the Deployment of tinyML Models for Autonomous mini-vehicles [61.27933385742613]
  本稿では,ループ内環境を含む自動運転ミニ車両を対象とした閉ループ学習フローを提案する。 我々は、小型CNNのファミリーを利用してミニ車両を制御し、コンピュータビジョンアルゴリズム、すなわち専門家を模倣してターゲット環境で学習する。 CNNのファミリを実行する場合、我々のソリューションはSTM32L4とk64f(Cortex-M4)の他の実装よりも優れており、レイテンシを13倍以上削減し、エネルギー消費を92%削減する。
  論文  参考訳（メタデータ） (2020-07-01T07:54:26Z)

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。