論文の概要: CST: Collaborative Selective Transmission for Communication-Efficient Multimodal Edge Inference

• arxiv url: http://arxiv.org/abs/2608.22115v1
• Date: Sat, 22 Aug 2026 21:59:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:36.946423
• Title: CST: Collaborative Selective Transmission for Communication-Efficient Multimodal Edge Inference
• Title（参考訳）: CST:通信効率の良いマルチモーダルエッジ推論のための協調的選択透過
• Abstract要約: 協調選択伝達(CST)は、現在の主表現を補完するヘルパー情報のみを取得する。 CSTは評価された方法の中で、最良または最良なタスク性能を達成する。 5-100 Mbpsでテストされた5ノードのNVIDIA Jetson Orin Nanoの実験では、エンドツーエンドの推論でTransmit-Allよりも4.27Times$のスピードアップが実証された。
• 参考スコア（独自算出の注目度）: 17.16654978147536
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative multimodal inference improves edge perception by combining observations from distributed sensing devices, but transmitting high-dimensional helper representations incurs substantial communication overhead and can lead to high end-to-end latency. Existing communication-efficient methods reduce payloads through compression, semantic coding, or feature selection, yet typically optimize compactness or task relevance without explicitly accounting for information already represented at the main device. Consequently, task-relevant but redundant helper features may still consume bandwidth. We present Collaborative Selective Transmission (CST), a main-directed query--response framework that retrieves only helper information complementary to the current main representation. Inspired by Partial Information Decomposition and the Multiview Redundancy Assumption, CST learns sample-adaptive, helper-specific sparse retrieval supports while discouraging retrieval of semantics already covered by the main device or duplicated across helpers. During inference, the main device transmits only support indices, and each helper returns the corresponding latent values, avoiding dense helper-feature exchange. Across three real-world multimodal sensing benchmarks, CST transmits no more than 14.18% of helper feature values while achieving best or near-best task performance among the evaluated methods. Experiments on a five-node NVIDIA Jetson Orin Nano testbed across 5--100 Mbps demonstrate up to a $4.27\times$ speedup over Transmit-All in end-to-end inference, confirming practical end-to-end latency reductions.
• Abstract（参考訳）: 協調的マルチモーダル推論は、分散センシング装置からの観測を組み合わせることで、エッジ認識を改善するが、高次元ヘルパー表現の送信は、かなりの通信オーバーヘッドを発生させ、エンドツーエンドのレイテンシを高くする可能性がある。 既存の通信効率の高い方法は、圧縮、セマンティックコーディング、特徴選択を通じてペイロードを減らすが、通常、メインデバイスにすでに表示されている情報を明示的に考慮することなく、コンパクト性やタスク関連性を最適化する。 その結果、タスク関連だが冗長なヘルパー機能は帯域幅を消費する可能性がある。 提案するCST(Collaborative Selective Transmission)は,現在の主表現を補完するヘルパー情報のみを検索する,メイン指向のクエリ応答フレームワークである。 Partial Information DecompositionとMultiview Redundancy AssumptionにインスパイアされたCSTは、サンプル適応型ヘルパー固有のスパース検索サポートを学習し、すでにメインデバイスでカバーされているセマンティクスやヘルパー間で複製されているセマンティクスの検索を阻害する。 推論中、メインデバイスはサポートインデックスのみを送信し、各ヘルパーは対応する潜伏値を返す。 3つの実世界のマルチモーダルセンシングベンチマークで、CSTは14.18%以上のヘルパー特徴値を送信し、評価手法の中で最高のタスク性能またはほぼ最高のタスク性能を達成している。 5-100 Mbpsでテストされた5ノードのNVIDIA Jetson Orin Nanoの実験では、Transmit-Allよりも4.27\times$のスピードアップを実現した。

関連論文リスト

• Accelerating Unified Multimodal Models with Core-Expansion Routing and Unified Computation Scheduling [61.28599393707943]
  統一マルチモーダルモデルは、理解と生成を共同でサポートするが、トークン、レイヤ、生成タイムステップ間でかなりの冗長な計算を行う。 本稿では,タスク共有型コアスコアラと進行条件付き生成拡張を提案し,生成分解とクロスタスクコアアライメントを最適化した。 2つの代表的UMMアーキテクチャの実験では、両タスク間で一貫した品質改善が示され、98.03%の高密度な理解性能を維持し、エンドツーエンドの推論速度は1.93times$である。
  論文  参考訳（メタデータ） (2026-08-29T14:27:55Z)
• MINER: Mining Multimodal Internal Representation for Efficient Retrieval [30.225207646393542]
  MINER (Mining Multimodal Internal RepreseNtation for Efficient Retrieval) は、トランスフォーマー層をまたいだ内部信号を単一のコンパクトな埋め込みに変換する軽量なプラグインモジュールである。 ViDoRe V1/V2/V3全体で、MINERは既存の高密度なシングルベクターレトリバーをベンチマークの大部分で上回り、対応するバックボーンよりも最大4.5%のnDCG@5改善されている。
  論文  参考訳（メタデータ） (2026-05-07T15:51:06Z)
• 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)
• JigsawComm: Joint Semantic Feature Encoding and Transmission for Communication-Efficient Cooperative Perception [7.867653563872962]
  JigsawCommはエンドツーエンドのトレーニング、セマンティックアウェア、通信効率の良いCPフレームワークである。 正規化エンコーダを使用して、意味的関連性とスパースな特徴を抽出する。 軽量のFeature Utility Estimatorを使用して、各エージェントの機能を最終認識タスクへのコントリビューションを予測する。
  論文  参考訳（メタデータ） (2025-11-21T23:36:24Z)
• FastFit: Accelerating Multi-Reference Virtual Try-On via Cacheable Diffusion Models [59.8871829077739]
  FastFitは、キャッシュ可能な新しい拡散アーキテクチャに基づいた、高速なマルチ参照仮想試行フレームワークである。 本モデルでは,パラメータのオーバーヘッドを無視して参照特徴符号化をデノナイズ処理から完全に切り離す。 これにより、参照機能は一度だけ計算され、すべてのステップで損失なく再利用される。
  論文  参考訳（メタデータ） (2025-08-28T09:25:52Z)
• Task-Oriented Feature Compression for Multimodal Understanding via Device-Edge Co-Inference [54.53508601749513]
  本稿では,マルチモーダル理解のためのタスク指向特徴圧縮(TOFC)手法を提案する。 圧縮効率を向上させるために、視覚特徴の特性に基づいて複数のエントロピーモデルを適応的に選択する。 その結果,TOFCはデータ転送オーバーヘッドを最大52%削減し,システム遅延を最大63%削減できることがわかった。
  論文  参考訳（メタデータ） (2025-03-17T08:37:22Z)
• CoCMT: Communication-Efficient Cross-Modal Transformer for Collaborative Perception [14.619784179608361]
  マルチエージェント協調知覚は、ロボット知覚タスクを協調的に行うために、知覚情報を共有することによって、各エージェントの能力を高める。 既存の代表的な協調認識システムは、大量の非臨界情報を含む中間特徴写像を伝達する。 本稿では,オブジェクトクエリをベースとした協調フレームワークであるCoCMTを紹介し,重要な特徴を選択的に抽出し伝達することによって,通信帯域幅を最大化する。
  論文  参考訳（メタデータ） (2025-03-13T06:41:25Z)
• Multi-Task Semantic Communication With Graph Attention-Based Feature Correlation Extraction [69.24689059980035]
  本稿では,マルチタスク・セマンティック・コミュニケーション・システムのエンコーダ/トランスミッタに新たなグラフアテンション・インターブロック(GAI)モジュールを提案する。 エンコーダの中間特徴抽出ブロックの出力をグラフのノードとして解釈し,その中間特徴の相関関係を捉える。 実験により、提案されたモデルは、CityScapes 2Taskデータセットにおいて、最も競争力があり、公開可能なモデルよりも11.4%多いことが示されている。
  論文  参考訳（メタデータ） (2025-01-02T04:38:01Z)
• Task-Oriented Communication for Multi-Device Cooperative Edge Inference [14.249444124834719]
  協調エッジ推論は、単一デバイスの限られた感知能力を克服することができるが、通信オーバーヘッドを大幅に増加させ、過度の遅延を引き起こす可能性がある。 タスク指向方式で局所特徴抽出と分散特徴符号化を最適化する学習型通信方式を提案する。
  論文  参考訳（メタデータ） (2021-09-01T03:56:20Z)
• Resolution Adaptive Networks for Efficient Inference [53.04907454606711]
  本稿では,低分解能表現が「容易」な入力を分類するのに十分である,という直感に触発された新しいレゾリューション適応ネットワーク(RANet)を提案する。 RANetでは、入力画像はまず、低解像度表現を効率的に抽出する軽量サブネットワークにルーティングされる。 ネットワーク内の高解像度パスは、"ハード"サンプルを認識する能力を維持している。
  論文  参考訳（メタデータ） (2020-03-16T16:54:36Z)

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。