論文の概要: Exploiting answer-invariant redundancies in satellite imagery for efficient VLM inference on edge

• arxiv url: http://arxiv.org/abs/2609.29029v1
• Date: Thu, 24 Sep 2026 04:58:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.730188
• Title: Exploiting answer-invariant redundancies in satellite imagery for efficient VLM inference on edge
• Title（参考訳）: エッジ上での効率的なVLM推論のための衛星画像における解不変冗長性
• Abstract要約: 本稿では,クエリ条件付きタイルプルーニングを行う2段階システムRiftについて紹介する。 徹底的なタイル付き推論と比較して、Riftはエネルギーを78%削減し、レイテンシを69%削減し、精度は45%から73%に向上した。
• 参考スコア（独自算出の注目度）: 4.216039950815307
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Onboard vision-language models could enable satellites to answer queries directly, but exhaustive tiled inference over high-resolution imagery is slow and energy-intensive. We identify answer-invariant token redundancy (AITR): image tiles and vision tokens that can be removed without changing the final answer. We present Rift, a two-stage system that performs query-conditioned tile pruning followed by elastic prefill to reduce token budget. We evaluate it on LLaVA-1.5 7B running on Jetson AGX Orin. Compared with exhaustive tiled inference, Rift reduces energy by 78% and latency by 69%, while increasing accuracy from 45% to 73%.
• Abstract（参考訳）: 搭載された視覚言語モデルでは、衛星が直接クエリに答えることができるが、高解像度画像に対する徹底的なタイル付き推論は遅くエネルギー集約的である。 応答不変トークン冗長性(AITR: Image tiles and vision tokens)は,最終回答を変更することなく取り除くことができる。 本稿では,クエリ条件付きタイルプルーニングを行う2段階システムRiftについて紹介する。 我々は,Jetson AGX Orin上でのLLaVA-1.5 7B上での評価を行った。 徹底的なタイル付き推論と比較して、Riftはエネルギーを78%削減し、レイテンシを69%削減し、精度は45%から73%に向上した。

関連論文リスト

• AVT-Fabric: Active Visuo-Tactile Perception via Adaptive Evidence Selection for Efficient Robotic Fabric Comparison [50.18779315745876]
  AVT-Fabricは、各比較の難しさに応じて触覚証拠を割り当てるRGBファーストフレームワークである。 400のホールドアウト比較において、AVT-Fabricはコンパクトな7Bマルチモーダル大言語モデルで98.0%の精度を達成した。 このフレームワークは実際のロボットシステムにもデプロイされており、8つのアプリケーションシナリオのうち7つのシナリオで78.1%のペアのランキング精度と正しい布地選択を実現している。
  論文  参考訳（メタデータ） (2026-09-18T06:43:04Z)
• Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
  遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
  論文  参考訳（メタデータ） (2026-05-29T19:34:39Z)
• INAR-VL: Input-Aware Routing for Edge-Cloud Vision-Language Inference [0.8633013637160062]
  マルチモーダル推論のための軽量エッジクラウドルーティングシステム INAR-VL を2層配置で提案する。 INAR-VLはエッジ上で36%のリクエストを実行し、レイテンシを24%削減し、エネルギーを26%削減し、クラウドレベルの精度を97%維持することを示した。
  論文  参考訳（メタデータ） (2026-05-13T12:44:10Z)
• SoTA with Less: MCTS-Guided Sample Selection for Data-Efficient Visual Reasoning Self-Improvement [100.85923086072204]
  我々はThinkLite-VLを紹介した。これは最先端(SoTA)パフォーマンスを実現する視覚推論モデルのファミリーで、トレーニングサンプルの桁数を桁違いに減らしている。 我々はMonte Carlo Tree Search (MCTS) を用いて、各インスタンスの解決に必要な視覚言語モデル(VLM)の推論反復数を用いてサンプルの難易度を測定する。 ThinkLite-VL-7BとThinkLite-VL-72Bは、8つの視覚的推論ベンチマークにおいて、それぞれのベースモデルよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-04-10T17:49:05Z)
• An energy-efficient learning solution for the Agile Earth Observation Satellite Scheduling Problem [5.8700233733489515]
  Agile Earth Observation Satellite Scheduling Problem (AEOSSP) は、衛星の軌道に沿って計画される観測対象のサブセットを見つけることである。 本稿では,AEOSSPの時間依存的利益に対処するためのDep Reinforcement Learning (DRL)アプローチを提案する。 その結果,提案アルゴリズムは品質要件を満たすことができない画像のキャプチャを60%以上削減し,その結果,姿勢操作によるエネルギー浪費を最大78%削減できることがわかった。
  論文  参考訳（メタデータ） (2025-03-03T12:01:27Z)
• Thermal and RGB Images Work Better Together in Wind Turbine Damage Detection [13.786915116688965]
  風力タービンブレード(WTB)の検査は、その構造的整合性と運用効率の確保に不可欠である。 従来の検査手法は危険で非効率であり、無人航空機(UAV)の使用が困難な地域へのアクセスを促す。 空間座標変換による熱画像とRGB画像を組み合わせたマルチスペクトル画像合成法を提案する。
  論文  参考訳（メタデータ） (2024-12-05T12:32:45Z)
• LoLep: Single-View View Synthesis with Locally-Learned Planes and Self-Attention Occlusion Inference [66.45326873274908]
  本稿では,1枚のRGB画像から局所学習平面を回帰してシーンを正確に表現するLoLepを提案する。 MINEと比較して、LPIPSは4.8%-9.0%、RVは73.9%-83.5%である。
  論文  参考訳（メタデータ） (2023-07-23T03:38:55Z)
• Combining Visible and Infrared Spectrum Imagery using Machine Learning for Small Unmanned Aerial System Detection [1.392250707100996]
  本研究は,SUASの視覚的検出に機械学習を用いたLWIRと可視光センサの利点を組み合わせることを提案する。 検出率は71.2+-8.3%で、LWIRに比べて69%、可視スペクトル単独では30.4%向上した。
  論文  参考訳（メタデータ） (2020-03-27T21:06:14Z)

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。