Fugu-MT 論文翻訳(概要): Input Resolution Matters: Real-Time Object Detection Latency

論文の概要: Input Resolution Matters: Real-Time Object Detection Latency

arxiv url: http://arxiv.org/abs/2609.12920v1
Date: Fri, 11 Sep 2026 14:45:12 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-15 07:38:31.788099
Title: Input Resolution Matters: Real-Time Object Detection Latency
Title（参考訳）: 入力分解能:リアルタイムオブジェクト検出レイテンシ
Abstract要約: 我々は、前処理、推論、後処理の分散の畳み込みとして、全レイテンシーをモデル化する。 NVIDIA Jetson Orin NXでのYOLOv11nによる実験では、分解能を考慮したパラメータ化が分布近似を改善することが示されている。
参考スコア（独自算出の注目度）: 8.030506166253398
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We model total latency as the convolution of preprocessing, inference, and postprocessing distributions under a simplifying independence approximation, with selected stage parameters expressed as functions of source-image resolution. Under this assumption, the probability density of the total latency is the convolution of the stage-wise densities, and its cumulative distribution function (CDF) provides the distribution of end-to-end detection time. Each stage is modeled by a parametric distribution (e.g., Exponential, Erlang, Normal, Gamma), with parameters expressed as functions of the source-image resolution. Experiments with YOLOv11n on NVIDIA Jetson Orin NX using COCO2017 images across multiple resolutions assess the proposed models against fixed-parameter baselines using Kolmogorov Smirnov, Anderson Darling, and Cramér von Mises statistics. The results indicate that resolution-aware parameterization can improve distributional approximation in the measured setting, particularly for the more flexible Normal and Gamma models, while the quality of fit remains distribution dependent. Our contribution is a theoretically grounded and lightweight formulation for studying resolution-dependent latency distributions in a measured object detection pipeline.
Abstract（参考訳）: 我々は、ソース画像解像度の関数として選択されたステージパラメータを用いて、簡易な独立近似の下で、前処理、推論、後処理分布の畳み込みとして、全遅延をモデル化する。この仮定の下では、全レイテンシの確率密度は段階的な密度の畳み込みであり、その累積分布関数(CDF)は終端検出時間の分布を提供する。各ステージはパラメトリック分布(例:Exponential, Erlang, Normal, Gamma)でモデル化され、パラメータはソースイメージの解像度の関数として表現される。複数の解像度でCOCO2017イメージを使用してNVIDIA Jetson Orin NX上でYOLOv11nを使用した実験では、Kolmogorov Smirnov、Anderson Darling、Cramér von Misesの統計を用いて、提案されたモデルが固定パラメータベースラインに対して評価されている。以上の結果から, 分解能を考慮したパラメータ化により, 特により柔軟な正規モデルとガンマモデルにおいて, 測定条件における分布近似が向上し, 適合の質は分布依存のままであることが示唆された。我々の貢献は、測定対象検出パイプラインにおける分解能依存性の遅延分布を研究するための理論的基礎と軽量な定式化である。

関連論文リスト

Guided Flow Matching for Forward and Inverse PDE Problems with Sparse Observations: Algorithm and Theory [2.148615003900331]
PDE係数の結合分布を学習するフローマッチング生成フレームワークFM4PDEを提案する。静的および時間依存型ベンチマークPDEの実験では、拡散に基づく生成モデルよりも競合精度と高速な推論が示されている。
論文参考訳（メタデータ） (2026-05-25T07:14:11Z)
Fast Sampling for Flows and Diffusions with Lazy and Point Mass Stochastic Interpolants [5.492889521988414]
任意のスケジュール下で任意の拡散係数で微分方程式(SDE)のサンプルパスを変換する方法を証明する。次に、補間フレームワークを拡張して、より大きな点質量スケジュールのクラスを許容する。
論文参考訳（メタデータ） (2026-02-03T17:48:34Z)
Low-Dimensional Adaptation of Rectified Flow: A New Perspective through the Lens of Diffusion and Stochastic Localization [59.04314685837778]
整流流(RF)は、その生成効率と最先端の性能からかなりの人気を得ている。本稿では,RFがターゲット分布の支持の内在的低次元性に自動的に適応し,サンプリングを高速化する程度について検討する。時間分割方式を慎重に設計し,十分な正確なドリフト推定を行うことで,RFサンプリング器はオーダーO(k/varepsilon)$の複雑さを享受できることを示す。
論文参考訳（メタデータ） (2026-01-21T22:09:27Z)
Dimension-free error estimate for diffusion model and optimal scheduling [22.20348860913421]
拡散生成モデルは、経験的に観察された分布から合成データを生成するための強力なツールとして登場した。従来の分析では、生成したデータと真のデータ分布の誤差を、ワッサーシュタイン距離やクルバック・リーバーの偏差の観点から定量化していた。本研究では, 生成したデータ分布と真のデータ分布との相違点に有意な次元自由境界を導出する。
論文参考訳（メタデータ） (2025-12-01T15:58:20Z)
Diffusion Models for Solving Inverse Problems via Posterior Sampling with Piecewise Guidance [52.705112811734566]
断片的なガイダンススキームを用いて,逆問題を解決するための新しい拡散型フレームワークが導入された。提案手法は問題に依存しず,様々な逆問題に容易に適応できる。このフレームワークは, (4時間), (8時間) の超分解能タスクに対して, (23%), (24%) および (24%) の無作為マスクを塗布する場合の (25%) の推論時間を短縮する。
論文参考訳（メタデータ） (2025-07-22T19:35:14Z)
Minimax Optimality of the Probability Flow ODE for Diffusion Models [8.15094483029656]
この研究は、決定論的ODEベースのサンプリングのための最初のエンドツーエンド理論フレームワークを開発する。 L2$のスコア誤差と関連する平均ジャコビアン誤差の両方を同時に制御するスムーズな正規化スコア推定器を提案する。得られたサンプルは全変動距離, 変調対数係数において最小値が得られることを示す。
論文参考訳（メタデータ） (2025-03-12T17:51:29Z)
Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文参考訳（メタデータ） (2024-10-17T16:42:12Z)
Convergence of Score-Based Discrete Diffusion Models: A Discrete-Time Analysis [56.442307356162864]
連続時間マルコフ連鎖(CTMC)に基づくスコアベース離散拡散モデルの理論的側面について検討する。本稿では,事前定義された時間点におけるスコア推定値を利用する離散時間サンプリングアルゴリズムを一般状態空間$[S]d$に導入する。我々の収束解析はジルサノフ法を用いて離散スコア関数の重要な性質を確立する。
論文参考訳（メタデータ） (2024-10-03T09:07:13Z)
Noise-Free Sampling Algorithms via Regularized Wasserstein Proximals [3.4240632942024685]
ポテンシャル関数が支配する分布からサンプリングする問題を考察する。本研究は, 決定論的な楽譜に基づくMCMC法を提案し, 粒子に対する決定論的進化をもたらす。
論文参考訳（メタデータ） (2023-08-28T23:51:33Z)
Super-resolution GANs of randomly-seeded fields [68.8204255655161]
ランダムスパースセンサからフィールド量の推定を行うための,GAN(Super- resolution Generative Adversarial Network)フレームワークを提案する。このアルゴリズムはランダムサンプリングを利用して、高解像度の基底分布の不完全ビューを提供する。提案手法は, 流体流動シミュレーション, 海洋表面温度分布測定, 粒子画像速度測定データの合成データベースを用いて検証した。
論文参考訳（メタデータ） (2022-02-23T18:57:53Z)
Robust Estimation for Nonparametric Families via Generative Adversarial Networks [92.64483100338724]
我々は,高次元ロバストな統計問題を解くためにGAN(Generative Adversarial Networks)を設計するためのフレームワークを提供する。我々の研究は、これらをロバスト平均推定、第二モーメント推定、ロバスト線形回帰に拡張する。技術面では、提案したGAN損失は、スムーズで一般化されたコルモゴロフ-スミルノフ距離と見なすことができる。
論文参考訳（メタデータ） (2022-02-02T20:11:33Z)

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。