論文の概要: Evaluation of Winning Solutions of 2025 Low Power Computer Vision Challenge
- arxiv url: http://arxiv.org/abs/2604.19054v2
- Date: Wed, 22 Apr 2026 01:26:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-23 15:36:10.450283
- Title: Evaluation of Winning Solutions of 2025 Low Power Computer Vision Challenge
- Title（参考訳）: 2025年低消費電力コンピュータビジョンチャレンジの勝利解の評価
- Authors: Zihao Ye, Yung-Hsiang Lu, Xiao Hu, Shuai Zhang, Taotao Jing, Xin Li, Zhen Yao, Bo Lang, Zhihao Zheng, Seungmin Oh, Hankyul Kang, Seunghun Kang, Jongbin Ryu, Kexin Chen, Yuan Qi, George K Thiruvathukal, Mooi Choo Chuah,
- Abstract要約: IEEE Low-Power Computer Vision Challenge (LPCVC)は、エッジデバイスのための効率的なビジョンモデルの開発を促進することを目的としている。
本稿では,LPCVC 2025の設計について述べる。
この論文は、将来のコンピュータビジョンコンペティションの提案で締めくくっている。
- 参考スコア（独自算出の注目度）: 22.583133017470384
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The IEEE Low-Power Computer Vision Challenge (LPCVC) aims to promote the development of efficient vision models for edge devices, balancing accuracy with constraints such as latency, memory capacity, and energy use. The 2025 challenge featured three tracks: (1) Image classification under various lighting conditions and styles, (2) Open-Vocabulary Segmentation with Text Prompt, and (3) Monocular Depth Estimation. This paper presents the design of LPCVC 2025, including its competition structure and evaluation framework, which integrates the Qualcomm AI Hub for consistent and reproducible benchmarking. The paper also introduces the top-performing solutions from each track and outlines key trends and observations. The paper concludes with suggestions for future computer vision competitions.
- Abstract（参考訳）: IEEE Low-Power Computer Vision Challenge (LPCVC)は、エッジデバイスのための効率的なビジョンモデルの開発を促進することを目的としており、レイテンシ、メモリ容量、エネルギー使用などの制約と精度のバランスをとる。
2025年の課題は,(1)照明条件とスタイルによる画像分類,(2)テキストプロンプトによるオープン語彙セグメンテーション,(3)単眼深度推定の3つのトラックであった。
本稿では,競争構造と評価フレームワークを含むLPCVC 2025の設計について述べる。
また、各トラックの最高パフォーマンスのソリューションを紹介し、重要なトレンドと観察の概要を概説する。
この論文は、将来のコンピュータビジョンコンペティションの提案で締めくくっている。
関連論文リスト
- The First Challenge on Mobile Real-World Image Super-Resolution at NTIRE 2026: Benchmark Results and Method Overview [196.33538296698563]
本稿は,NTIRE 2026によるモバイル現実画像の超高解像度化の課題について概説する。
この課題は、x4スケーリング係数で未知の劣化によって生成された低解像度(LR)画像から高解像度(HR)画像を復元することである。
課題の軌跡は、画像品質評価(IQA)スコアとスピードアップ比の重み付けによる性能評価である。
論文 参考訳（メタデータ） (2026-04-19T07:48:17Z) - NTIRE 2025 Challenge on Low Light Image Enhancement: Methods and Results [205.67453409758568]
この課題の目的は、より明るく、鮮明で、視覚的に魅力的な画像を生成することができる効果的なネットワークを特定することである。
この大会に登録された参加者は762人であり、28チームが最終的に有効なエントリーを提出した。
本稿では,LLIEにおける最先端の進歩を徹底的に評価し,その顕著な進歩を示す。
論文 参考訳（メタデータ） (2025-10-15T15:30:16Z) - NTIRE 2025 Challenge on Image Super-Resolution ($\times$4): Methods and Results [159.15538432295656]
NTIRE 2025イメージ超解像(4ドル)チャレンジは、CVPR 2025の第10回NETREワークショップのコンペティションのひとつ。
この課題は、低分解能(LR)画像から高分解能(HR)画像を復元することを目的としている。
286人の参加者が参加し、25チームが有効なエントリーを提出した。
論文 参考訳（メタデータ） (2025-04-20T12:08:22Z) - NTIRE 2025 Challenge on Short-form UGC Video Quality Assessment and Enhancement: Methods and Results [179.05961380270648]
NTIRE 2025 Challenge on Short-form Video Quality Assessment and Enhancement
課題は, (i) 映像品質評価(KVQ) と (ii) 拡散に基づく画像超解像(KwaiSR) の2つのトラックからなる。
論文 参考訳（メタデータ） (2025-04-17T17:45:34Z) - Rethinking Theoretical Illumination for Efficient Low-Light Image Enhancement [0.0]
本稿では、CPGA-Net+と呼ばれるChannel-Prior and Gamma-Estimation Network(CPGA-Net)の拡張版を紹介する。
私たちは、同じ設計原則に従って、超軽量とより強力なバージョンの両方を導入します。
提案手法は近年の軽量手法と比較して有効に検証されている。
論文 参考訳（メタデータ） (2024-09-09T01:50:01Z) - 2023 Low-Power Computer Vision Challenge (LPCVC) Summary [91.09767611312729]
2015年以降、LPCVCはエッジデバイスにおけるコンピュータビジョン(CV)の課題に取り組むための国際コンペティションとなっている。
2023 LPCVCの視覚問題は、事故後に無人航空機(UAV)が取得した画像のセグメンテーションである。
コンペティションのセットアップを説明し、精度を改善し、実行時間を短縮する勝者の手法を強調します。
論文 参考訳（メタデータ） (2024-03-11T20:51:18Z) - CVPR 2020 Continual Learning in Computer Vision Competition: Approaches,
Results, Current Challenges and Future Directions [25.791936837340877]
2020年にCVPRで行われた最初の連続学習コンピュータビジョンチャレンジは、異なる連続学習アルゴリズムを評価する最初の機会の1つである。
優勝チームは79チーム以上、ファイナリストは11チーム、賞金は2300ドルだった。
論文 参考訳（メタデータ） (2020-09-14T08:53:05Z)
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。