論文の概要: Graph Neural Assisted Actor-Critic for Latency-Efficient Edge Vision System
- arxiv url: http://arxiv.org/abs/2608.16142v1
- Date: Mon, 17 Aug 2026 05:51:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.548023
- Title: Graph Neural Assisted Actor-Critic for Latency-Efficient Edge Vision System
- Title（参考訳）: 高速エッジビジョンシステムのためのグラフニューラルアシストアクタ臨界
- Abstract要約: ビジョンを搭載したUAVがビデオを地上サーバーにストリーミングし、オペレータがそのアクティビティをアシストする。
ビデオ伝送の遅延は、オペレーター支援の有効性に大きな影響を及ぼす。
本稿では,不審物体の最適画素関連領域を見つけるために,グラフ畳み込みニューラルネットワーク支援(GCN-Assisted A2C)システムモデルを提案する。
- 参考スコア（独自算出の注目度）: 6.534234713275997
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: UAV on-board vision systems are widely used for different activities, including monitoring in no-fly zones. In this case, the vision-equipped UAV streams a video to a ground server where an operator assists its activities. The latency of video transmission has a profound impact on the effectiveness of the operator assistance. However, most techniques available for video transmission still incur significant latency costs. In this paper, we propose a graph convolutional neural network-assisted (GCN-Assisted A2C) deep reinforcement learning (DRL) system model to find the optimal pixel-correlated area of a suspicious object. We combine the Lagrangian dual form with gradient descent to prevent lack of convergence and over- and under-penalization constraint violation during latency optimization. The proposed system model sends a sub-group pixel-correlated area of the frame from the UAV to the server rather than the transmission of the whole video frame. The proposed framework utilizes the GCN model to explore hidden representations of feature-correlated groups of pixels. Moreover, the GCN supervises the A2C model, which selects a subgroup to enhance transmission latency, thus supervising the training of UAV actions in A2C. Experimental results show that GCN-assisted A2C reduces video frame transmission latency together with false detection rate in UAV vision systems over other DRL and state-of-the-art models.
- Abstract（参考訳）: UAV搭載の視覚システムは、飛行禁止区域での監視を含む様々な活動に広く利用されている。
この場合、視覚付きUAVは、オペレータがそのアクティビティを補助する地上サーバにビデオをストリームする。
ビデオ伝送の遅延は、オペレーター支援の有効性に大きな影響を及ぼす。
しかし、ビデオ伝送に利用できるほとんどの技術は、依然としてかなりの遅延コストを伴っている。
本稿では、不審物体の最適画素関連領域を見つけるために、グラフ畳み込みニューラルネットワーク支援(GCN-Assisted A2C)深部強化学習(DRL)システムモデルを提案する。
ラグランジアン双対形式を勾配降下と組み合わせて、レイテンシ最適化時の収束の欠如と過給制約違反を防止する。
提案するシステムモデルでは,フレームのサブグループ画素関連領域をUAVからサーバに送信する。
提案フレームワークはGCNモデルを用いて画素の特徴関連群の隠れ表現を探索する。
さらに、GCNはA2Cモデルを監督し、サブグループを選択して送信遅延を高め、A2CにおけるUAVアクションのトレーニングを監督する。
実験結果から,GCN支援型A2Cは,他のDRLモデルや最先端モデルに対するUAVビジョンシステムにおいて,映像フレームの伝送遅延と誤検出率を低減させることがわかった。
関連論文リスト
- Knowledge Distillation Driven Semantic NOMA with GAN Refinement for 6G Robotic Vehicle Networks [14.75088694140465]
6G搭載のロボット車両(RV)は、厳しい帯域幅とエネルギー制約の下で高忠実な視覚的知覚を必要とする。
本研究では,堅牢かつグリーンなRV通信のための知識蒸留駆動・生成モデルであるNOMAフレームワークを提案する。
FFHQ-256の実験では、KDG-SemNomaはピクセルレベルの精度と知覚の忠実さの両方において最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2026-08-27T14:41:21Z) - DroneFINE: Domain-Aware Parameter-Efficient Fine-Tuning of Vision-Language Detectors for Drone Images [50.96240625673857]
DroneFINEは、VLMベースのドローン画像検出器用に設計された2つのドメイン対応補完モジュールからなる、新しいPEFTパラダイムである。
DroneFINEは既存のPEFTメソッドを著しく上回り、完全な微調整に匹敵するパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-07-01T02:27:40Z) - Efficient On-Board Processing of Oblique UAV Video for Rapid Flood Extent Mapping [7.460695517551536]
TTR(Temporal Token Reuse)は、組み込みデバイス上でビデオセグメンテーションを高速化する適応型推論フレームワークである。
我々は,TTRがセグメンテーション精度(0.5% mIoU)の劣化を無視して,推論遅延の30%低減を実現していることを示す。
これらの結果から,TTRは運用フロンティアを効果的にシフトさせ,高忠実でリアルタイムな斜めビデオ理解を可能にすることが確認された。
論文 参考訳（メタデータ） (2026-01-16T13:41:56Z) - Efficient Onboard Vision-Language Inference in UAV-Enabled Low-Altitude Economy Networks via LLM-Enhanced Optimization [61.55616421408666]
低高度経済ネットワーク(LAENets)は、航空監視、環境検知、セマンティックデータ収集など、様々な応用を可能にしている。
オンボードビジョン(VLM)は、リアルタイムな推論を提供するが、オンボードの動的ネットワーク条件は限られている。
動的LEENet条件下での通信効率を向上させるUAV対応LEENetシステムを提案する。
論文 参考訳（メタデータ） (2025-10-11T05:11:21Z) - NinA: Normalizing Flows in Action. Training VLA Models with Normalizing Flows [75.70583906344815]
拡散モデルは、複雑なマルチモーダルな動作分布をモデル化できるため、アクションデコーダとして広く採用されている。
我々は、Vision-Language-Action(VLA)モデルのための拡散型デコーダの高速かつ表現性の高い代替品であるNinAを提案する。
論文 参考訳（メタデータ） (2025-08-23T00:02:15Z) - DiVE: Efficient Multi-View Driving Scenes Generation Based on Video Diffusion Transformer [56.98400572837792]
DiVEは高忠実で、時間的コヒーレントで、相互に一貫したマルチビュービデオを生成する。
これらの革新は総じて、最小品質の劣化を伴う2.62倍のスピードアップを達成する。
論文 参考訳（メタデータ） (2025-04-28T09:20:50Z) - Adaptive Data Transport Mechanism for UAV Surveillance Missions in Lossy Environments [2.700610024690147]
無人航空機(UAV)は、情報、監視、偵察(ISR)の任務においてますます重要な役割を担っている。
本稿では、ミッション目標に大きく貢献する画像の選択領域を優先する、AIによる代替スケジューリングポリシーを提案する。
論文 参考訳（メタデータ） (2024-09-30T18:22:58Z) - DA-Flow: Dual Attention Normalizing Flow for Skeleton-based Video Anomaly Detection [52.74152717667157]
本稿では,DAM(Dual Attention Module)と呼ばれる軽量モジュールを提案する。
フレームアテンション機構を使用して、最も重要なフレームを識別し、スケルトンアテンション機構を使用して、最小パラメータとフロップで固定されたパーティション間の広範な関係をキャプチャする。
論文 参考訳（メタデータ） (2024-06-05T06:18:03Z) - DADFNet: Dual Attention and Dual Frequency-Guided Dehazing Network for
Video-Empowered Intelligent Transportation [79.18450119567315]
逆の気象条件は、ビデオベースの交通監視に深刻な課題をもたらす。
本稿では,リアルタイム視認性向上のための2つの注意と2つの周波数誘導型脱ハージングネットワーク(DADFNet)を提案する。
論文 参考訳（メタデータ） (2023-04-19T11:55:30Z) - CROVIA: Seeing Drone Scenes from Car Perspective via Cross-View
Adaptation [20.476683921252867]
道路車両の視界から得られた知識をUAVの視界に適応させる新しいCROVIA(Cross-View Adaptation)アプローチを提案する。
まず、ビュー間の幾何学的相関に基づいて、クロスビュー適応に対する新しい幾何学的制約を導入する。
第2に、画像空間からのクロスビュー相関を、ペアオンロードとUAVのビューデータを必要としないセグメンテーション空間に効果的に転送する。
論文 参考訳（メタデータ） (2023-04-14T15:20:40Z) - Efficient Real-Time Image Recognition Using Collaborative Swarm of UAVs
and Convolutional Networks [9.449650062296824]
本稿では,画像の分類を行うリソース制約付きUAV群に推論要求を分散する戦略を提案する。
画像の取得と最終的な決定の待ち時間を最小限に抑える最適化問題としてモデルを定式化する。
私たちは、利用可能なUAV間で最高のレイテンシを提供するレイヤ配置戦略を見つけるために、オンラインソリューション、すなわちDistInferenceを導入します。
論文 参考訳（メタデータ） (2021-07-09T19:47:02Z)
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。