論文の概要: Offline Ambient-Controlled Latent Diffusion: Architecture, Telemetry, and On-Device Evaluation
- arxiv url: http://arxiv.org/abs/2608.14677v1
- Date: Tue, 04 Aug 2026 12:23:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-23 14:54:39.959154
- Title: Offline Ambient-Controlled Latent Diffusion: Architecture, Telemetry, and On-Device Evaluation
- Title（参考訳）: オフライン環境制御型潜伏拡散:アーキテクチャ,テレメトリ,オンデバイス評価
- Abstract要約: デバイス上で完全に動作し,環境光センサによって駆動されるAndroid潜伏拡散アプリケーションを提案する。
各アウトプットは、それを生成したセンサ読み取り、ランタイムパス、シードにバインドされ、オフライン分析のためのアーティファクトごとの監査パスが提供される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most mobile image-generation applications are thin clients over cloud services, leaving outputs hard to audit. We present an Android latent-diffusion application that runs entirely on-device and is driven by the ambient-light sensor rather than a text prompt, keeping generation, telemetry, and storage local. The contribution is not a new diffusion method but the surrounding measurement workflow: each output is bound to the sensor reading, runtime path, and seed that produced it, giving a per-artifact audit trail for offline analysis. On a single Samsung foldable, one fixed capture of 373 artifacts shows the controller's log-lux input positively associated with output luminance (Pearson $r=0.532$, 95\% CI $[0.455, 0.601]$), confirming the ambient dependency survives denoising and VAE decoding, while the latent UNet/VAE pipeline runs at 552--1334\,ms mean latency across three quality tiers under the Android Neural Networks API (NNAPI).
- Abstract（参考訳）: ほとんどのモバイル画像生成アプリケーションはクラウドサービスよりも薄いクライアントであり、アウトプットの監査は困難である。
テキストプロンプトではなく、環境光センサーによって駆動され、生成、テレメトリ、ストレージをローカルに維持する。
このコントリビューションは、新しい拡散方法ではなく、周囲の計測ワークフローである。各アウトプットは、それを生成したセンサ読み取り、ランタイムパス、シードに結び付けられ、オフライン分析のための人工的な監査証跡を提供する。
1つのSamsungフォルダブル上で、373のアーチファクトを固定した1つのキャプチャでは、コントローラのログラックス入力が出力輝度に正に関連している(Pearson $r=0.532$, 95\% CI $[0.455, 0.601]$)。
関連論文リスト
- SIDE: Sensor Impersonation Detection at the Edge via Sequence Prediction [0.0]
低コストのIoT(Internet of Things)センサーデプロイメントには、デバイスレベルのソース認証がないものもある。
概念実証研究において,センサ・インモーフィケーション検出のための軽量なアプローチを提案する。
論文 参考訳（メタデータ） (2026-09-05T21:46:07Z) - A Vendor-Agnostic LiDAR Data Conversion System with Multi-Signal Detection and Multi-Format Output [0.30586855806896046]
LiDAR(Light Detection and Ranging)センサーは、周囲の環境を密度の高い3Dポイントの雲として捉えます。
これらのセンサーからのPCAP(Packet Capture)ファイルは、ほとんどの3D知覚パイプラインの出発点である。
Ouster、Velodyne、Hesai、Livoxはそれぞれ独自のSDK(Software Development Kit)、独自の環境設定、独自のコンバージョンワークフローが必要です。
論文 参考訳（メタデータ） (2026-06-22T05:46:41Z) - Enabling Cloud-Level Accuracy in Edge AI through IoT Data Preprocessing [0.16863755729554886]
大規模言語モデル(LLM)は、IoT(Internet of Things)センサデータをスマート環境で解釈するための自然言語インターフェースを提供する。
しかし、クラウドデプロイメントにはレイテンシ、プライバシ、接続性の懸念が伴う。
本稿では, 環境モニタリングのためのローカルLLMの精度・言語トレードオフを改善するために, プロンプト側プリプロセッシングが有効か検討する。
論文 参考訳（メタデータ） (2026-06-21T13:35:57Z) - Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。
独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。
Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
論文 参考訳（メタデータ） (2026-06-11T17:48:38Z) - WISV: Wireless-Informed Semantic Verification for Distributed Speculative Decoding in Device-Edge LLM Inference [56.297697169678095]
WISV(Wireless-Informed Semantic Verification)は、分散投機的復号化フレームワークである。
WISVは最大60.8%の許容長の増加、37.3%の対話ラウンドの削減、31.4%のエンドツーエンドレイテンシの改善を実現している。
NVIDIA Jetson AGX OrinとA40搭載サーバからなるハードウェアテストベッド上でWISVを検証する。
論文 参考訳（メタデータ） (2026-04-20T01:29:56Z) - A Novel Hat-Shaped Device-Cloud Collaborative Inference Framework for Large Language Models [12.644230479753476]
従来のクラウドベースの大規模言語モデル(LLM)は、高精度な要件を満たすが、低遅延とプライバシー強化に対する重要な要求には欠ける。
我々は,U字型推論と投機的復号化の相補的長所を生かした,新しいデバイス-クラウド協調型推論フレームワークであるHATを提案する。
HATは,TTFTを41%,TBTを41%,TBTを77%削減し,有望な性能向上を実現していることを示す。
論文 参考訳（メタデータ） (2025-03-23T10:54:58Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z) - DaDe: Delay-adaptive Detector for Streaming Perception [0.0]
リアルタイム環境では、処理が終了すると周囲環境が変化する。
リアルタイム映像認識のレイテンシと精度を評価するために,ストリーム認識を提案する。
我々は,処理遅延をリアルタイムに反映し,最も合理的な結果が得られるモデルを開発した。
論文 参考訳（メタデータ） (2022-12-22T09:25:46Z) - GraSens: A Gabor Residual Anti-aliasing Sensing Framework for Action
Recognition using WiFi [52.530330427538885]
WiFiベースのヒューマンアクション認識(HAR)は、スマートリビングやリモート監視といったアプリケーションにおいて、有望なソリューションと見なされている。
本稿では,無線機器からのWiFi信号を用いた動作を,多様なシナリオで直接認識する,エンド・ツー・エンドのGabor残差検知ネットワーク(GraSens)を提案する。
論文 参考訳（メタデータ） (2022-05-24T10:20:16Z) - Bridging the Gap Between Clean Data Training and Real-World Inference
for Spoken Language Understanding [76.89426311082927]
既存のモデルはクリーンデータに基づいてトレーニングされ、クリーンデータトレーニングと現実世界の推論の間にtextitgapが発生する。
本稿では,良質なサンプルと低品質のサンプルの両方が類似ベクトル空間に埋め込まれた領域適応法を提案する。
広く使用されているデータセット、スニップス、および大規模な社内データセット(1000万のトレーニング例)に関する実験では、この方法は実世界の(騒々しい)コーパスのベースラインモデルを上回るだけでなく、堅牢性、すなわち、騒々しい環境下で高品質の結果を生み出すことを実証しています。
論文 参考訳（メタデータ） (2021-04-13T17:54:33Z) - Near-chip Dynamic Vision Filtering for Low-Bandwidth Pedestrian
Detection [99.94079901071163]
本稿では、ダイナミックビジョンセンサ(DVS)を用いた歩行者検出のための新しいエンドツーエンドシステムを提案する。
我々は、複数のセンサがローカル処理ユニットにデータを送信し、検出アルゴリズムを実行するアプリケーションをターゲットにしている。
我々の検出器は450ミリ秒毎に検出を行うことができ、総合的なテストF1スコアは83%である。
論文 参考訳（メタデータ） (2020-04-03T17:36:26Z)
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。