論文の概要: Analytical and Convolutional Neural Network-Based Motion-Vector Propagation for Efficient Video Object Detection

• arxiv url: http://arxiv.org/abs/2609.34142v1
• Date: Mon, 28 Sep 2026 02:24:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-04 06:35:28.471235
• Title: Analytical and Convolutional Neural Network-Based Motion-Vector Propagation for Efficient Video Object Detection
• Title（参考訳）: 効率的な映像オブジェクト検出のためのニューラルネットワークに基づく運動ベクトル伝搬の解析と畳み込み
• Abstract要約: 連続ビデオ分析は、組み込み電力予算内での低レイテンシでの正確なローカライゼーションを必要とする。 本稿では,検出器呼び出し間の移動ベクトルを再利用するハードウェア・ソフトウェア設計手法を提案する。
• 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: Continuous video analytics requires accurate localization at low latency within embedded power budgets. This paper presents a hardware-software design methodology that reuses codec motion vectors (MVs) between detector invocations. Two alternative models support translation and scale changes: analytical motion-vector propagation (Analytical-MV) and learned propagation using a convolutional neural network (CNN) (CNN-MV). The learned model uses convolutional operations and independent object updates suited to parallel execution on an edge graphics processing unit (GPU). Analytical-MV combines a harmonic-mean precision-recall score (F1) of 0.909 with a mean end-to-end latency of 9.03 ms and an energy consumption of 0.177 J per frame, yielding the lowest latency and energy among the evaluated configurations. Relative to detection on every frame, it reduces mean latency by 25.9% and energy per frame by 36.4%. CNN-MV offers a different trade-off: its fastest configuration raises recall from 0.871 for Analytical-MV to 0.890 and lowers mean power from 19.64 to 17.32 W, while achieving a latency of 18.42 ms and an energy consumption of 0.319 J per frame. It is therefore useful when recall or operating power is more important than minimum latency and energy. Execution on a deep learning accelerator (DLA) further reduces time-averaged GPU utilization relative to GPU execution. Host-processing optimization substantially improves both latency and energy, demonstrating the value of jointly designing temporal models and their execution pipelines.
• Abstract（参考訳）: 連続ビデオ分析は、組み込み電力予算内での低レイテンシでの正確なローカライゼーションを必要とする。 本稿では,検出器呼び出し間のコーデック動作ベクトル(MV)を再利用するハードウェア・ソフトウェア設計手法を提案する。 解析的モーションベクター伝搬(Analytical-MV)と、畳み込みニューラルネットワーク(CNN-MV)を用いた学習的伝播の2つのモデルが翻訳とスケールの変更をサポートしている。 学習モデルは、エッジグラフィックス処理ユニット(GPU)での並列実行に適した畳み込み操作と独立オブジェクト更新を使用する。 解析的MVは、0.909のハーモニック平均精度-リコールスコア(F1)と、平均終端遅延9.03msと1フレームあたりのエネルギー消費0.177Jを組み合わせ、評価された構成の中で最低レイテンシとエネルギーをもたらす。 各フレームにおける検出とは対照的に、平均遅延時間を25.9%削減し、1フレームあたりのエネルギーを36.4%削減する。 CNN-MVの速度は0.871から0.890に上昇し、平均出力は19.64から17.32Wに低下する一方、レイテンシは18.42msで1フレームあたりのエネルギー消費は0.319Jである。 したがって、リコールや運転の電力は最小のレイテンシとエネルギーよりも重要である。 ディープラーニングアクセラレータ(DLA)の実行により、GPU実行に対する時間平均GPU使用率はさらに低下する。 ホスト処理の最適化は、レイテンシとエネルギの両方を大幅に改善し、テンポラルモデルと実行パイプラインを共同で設計する価値を示しています。

関連論文リスト

• Transformer-based Neural Beamforming for Real-Time Speech Enhancement on Smart Low-Power Hearable Devices [1.9289563450211726]
  マイクロコントローラ上での最小分散歪み無応答(MVDR)ビームフォーマのリアルタイム実行のための最適化手法を提案する。 パイプラインは6つのマイクと3段階の混合精度スキームを使用して、MVDR重量を推定するCNNと、フレーム毎の補正を行う軽量トランスフォーマーをペアリングする。 ビームフォーミングによる重み推定をタイムスライシングすることで、フレームあたり15msのレイテンシを実現し、CNN由来の重みの完全なセットを564ms毎にリフレッシュする。
  論文  参考訳（メタデータ） (2026-09-27T16:53:28Z)
• EventShiftFlow: Towards Hardware-efficient FPGA-based Flow Estimation [43.77587889970362]
  イベントベースの視覚センサは、非同期で高時間分解能の測定を提供する。 多くの事象に基づく動き推定法は計算集約的であり、FPGAハードウェアにマップすることは困難である。 本稿では,非同期イベントを固定時間ビンに離散化し,1ビット空間占有格子を構築し,複数の速度仮説を並列に評価するストリーミング速度推定器を提案する。
  論文  参考訳（メタデータ） (2026-05-27T11:13:58Z)
• ANVIL: Accelerator-Native Video Interpolation via Codec Motion Vector Priors [3.1812226135012462]
  モバイルニューラルプロセッシングユニット(NPU)上のリアルタイム30から60fpsのビデオフレームは、それぞれ33.3ms以内の合成フレームを必要とする。 主流のフローベースビデオフレームはモバイルNPU上の3つの構造的配置障壁に直面していることを示す。 ANVILは、H.264/AVCデコーダからのモーションベクトルを事前の入力フレームに再利用することで、これらの障壁に対処する。 Snapdragon 8 Gen 3デバイスでは、ANVIL 12.8 ms 1080pの推論を8ビット整数精度で行う。
  論文  参考訳（メタデータ） (2026-03-27T05:32:16Z)
• Enabling Vibration-Based Gesture Recognition on Everyday Furniture via Energy-Efficient FPGA Implementation of 1D Convolutional Networks [11.481972015296812]
  本研究では、低消費電力フィールドプログラマブルゲートアレイ(FPGA)上にコンパクトNNを展開させるエネルギー効率のよいソリューションを提案する。 我々は、複雑なスペクトル前処理を生波形入力に置き換え、複雑なオンボード前処理を不要とし、精度を犠牲にすることなく入力サイズを21倍削減する。 組み込みFPGAに適した2つの軽量アーキテクチャ(1D-CNNと1D-SepCNN)を設計し、パラメータを3億6900万から216に削減し、同等の精度を維持した。
  論文  参考訳（メタデータ） (2025-10-27T09:30:36Z)
• Neural-HAR: A Dimension-Gated CNN Accelerator for Real-Time Radar Human Activity Recognition [5.400353553418959]
  本稿では,資源制約のあるプラットフォーム上でのリアルタイムレーダHARに適した次元ゲート型CNNアクセラレータを提案する。 GateCNNの精度は86.4%で、パラメータは2.7kで、推論あたり0.28M FLOPはCNN-BiGRUに匹敵する。 Xilinx Zynq-7000 Z-7007SのFPGAプロトタイプは、LUTベースのROMと分散RAMのみを使用した107.5$mu$sレイテンシと15mWのダイナミックパワーを実現しました。
  論文  参考訳（メタデータ） (2025-10-26T17:42:28Z)
• Latency-aware Unified Dynamic Networks for Efficient Image Recognition [72.8951331472913]
  LAUDNetは動的ネットワークの理論的および実用的な効率ギャップを橋渡しするフレームワークである。 3つの主要な動的パラダイム - 適応型計算、動的層スキップ、動的チャネルスキップ - を統合している。 これにより、V100,3090やTX2 GPUのようなプラットフォーム上で、ResNetのようなモデルの遅延を50%以上削減できる。
  論文  参考訳（メタデータ） (2023-08-30T10:57:41Z)
• ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
  時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。 我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。 ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-05-14T21:16:21Z)
• Global Vision Transformer Pruning with Hessian-Aware Saliency [93.33895899995224]
  この研究はヴィジュアルトランスフォーマー(ViT)モデルの共通設計哲学に挑戦する。 遅延を意識した規則化による直接遅延低減を実現し,すべての層や構造に匹敵する新しいヘッセン型構造解析基準を導出する。 DeiT-Baseモデルで反復的なプルーニングを実行すると、NViT(Novel ViT)と呼ばれる新しいアーキテクチャファミリが生まれ、パラメータをより効率的に利用する新しいパラメータが現れる。
  論文  参考訳（メタデータ） (2021-10-10T18:04:59Z)
• Fast Motion Understanding with Spatiotemporal Neural Networks and Dynamic Vision Sensors [99.94079901071163]
  本稿では,高速な動きを推論するための動的視覚センサ(DVS)システムを提案する。 ロボットが15m/s以上の速度で接近する小さな物体に反応するケースを考察する。 我々は,23.4m/sで24.73degの誤差を$theta$,18.4mmの平均離散半径予測誤差,衝突予測誤差に対する25.03%の中央値で移動した玩具ダートについて,本システムの結果を強調した。
  論文  参考訳（メタデータ） (2020-11-18T17:55:07Z)

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。