論文の概要: HexVIO: Towards All-Day Stereo-Inertial Tracking Through Commodity DSPs

• arxiv url: http://arxiv.org/abs/2610.03283v1
• Date: Fri, 02 Oct 2026 13:26:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 00:14:30.395236
• Title: HexVIO: Towards All-Day Stereo-Inertial Tracking Through Commodity DSPs
• Title（参考訳）: HexVIO:コモディティDSPによるオールデイステレオ慣性追跡を目指して
• Abstract要約: 本稿では,ヘキサゴン DSP を利用して,視覚慣性オドメトリーシステムの効率を向上させることを提案する。 我々はCPUのみの実行と比較して消費電力とレイテンシを大幅に削減する。 その結果、ロボットやモバイルデバイスで一日中視覚慣性追跡を可能にするコモディティDSPの可能性を浮き彫りにした。
• 参考スコア（独自算出の注目度）: 45.88028371034407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability of a device to localize itself within its surroundings is a fundamental prerequisite for spatial computing. Visual-inertial odometry (VIO) has proven to be a cost-effective and accurate solution for this task. Robots, wearables, XR devices, and drones can benefit significantly from efficient implementations of VIO since they allow for cooler, lighter, and cheaper devices with longer battery life and a better user experience. In this work, we propose to enhance the efficiency of a VIO system by leveraging the Hexagon DSP, a commodity co-processor present in many modern smartphones and XR devices. Our approach offloads the visual frontend of a stereo-inertial odometry system to the DSP while keeping the backend on the main CPU. By optimizing the implementation for the DSP architecture, we achieve significant reductions in power consumption and latency compared to CPU-only execution. Our system, HexVIO, demonstrates a 67% reduction in power consumption or an 86% increase in throughput on a commodity smartphone, with the ability to sustain long-term real-time 30 fps tracking for 0.83 W, corresponding to ~18 hours of tracking on the testing device. These results highlight the potential of commodity DSPs for enabling all-day visual-inertial tracking in robotics and mobile devices.
• Abstract（参考訳）: デバイスが周囲をローカライズする能力は、空間コンピューティングの基本的な前提条件である。 視覚慣性オドメトリー (VIO) はこの課題に対して費用対効果と正確な解決法であることが証明されている。 ロボット、ウェアラブル、XRデバイス、そしてドローンは、より冷却され、軽く、安価で、バッテリー寿命が長く、ユーザー体験が良くなるため、VIOの効率的な実装から大きな恩恵を受けることができる。 本研究では,現代のスマートフォンやXRデバイスに多く存在するコプロセッサであるHexagon DSPを活用することで,VIOシステムの効率を向上させることを提案する。 本手法では,バックエンドをメインCPUに保持しながら,ステレオ慣性オドメトリーシステムの視覚的フロントエンドをDSPにオフロードする。 DSPアーキテクチャの実装を最適化することにより、CPUのみの実行と比較して消費電力とレイテンシを大幅に削減できる。 我々のシステムであるHexVIOは、コモディティスマートフォンで67%の消費電力削減または86%のスループット向上を示し、テスト装置での約18時間のトラッキングに対応して、30fpsの長期リアルタイム追跡を0.83Wで維持することができる。 これらの結果は、ロボットやモバイルデバイスで一日中視覚慣性トラッキングを可能にするコモディティDSPの可能性を強調している。

関連論文リスト

• VkVIO: Cross-platform GPU Acceleration for Visual-Inertial Odometry with Vulkan [45.88028371034407]
  視覚慣性オドメトリー(VIO)と同時局在マッピング(VI-SLAM)は、この目標を低コストで正確な方法で達成する方法として証明されている。 VIOは、ロボット工学とXRにおける低消費電力で低コストなVIOを可能にする。 本稿では,3Dグラフィックスアプリケーションの厳格な性能要求のために設計されたVulkan APIについて述べる。
  論文  参考訳（メタデータ） (2026-09-24T18:50:48Z)
• LEVIO: Lightweight Embedded Visual Inertial Odometry for Resource-Constrained Devices [18.91672527573445]
  この研究は、超低消費電力計算プラットフォーム向けに最適化された完全なVIOパイプラインであるLEVIOを提示する。 LEVIOにはOriented FASTやRotated BRIEF (ORB)といった既存のVIOコンポーネントが組み込まれている。 本稿では,アルゴリズム設計の選択とハードウェア-ソフトウェア協調最適化手法を提案し,資源制約のあるハードウェア上でのリアルタイム性能を示す。
  論文  参考訳（メタデータ） (2026-02-03T09:20:57Z)
• STAR: A Privacy-Preserving, Energy-Efficient Edge AI Framework for Human Activity Recognition via Wi-Fi CSI in Mobile and Pervasive Computing Environments [0.0]
  Wi-Fi Channel State Information (CSI)によるヒューマンアクティビティ認識は、スマートホーム、ヘルスケア監視、モバイルIoTシステムに適した、プライバシ保護、コンタクトレスセンシングアプローチを提供する。 本稿では,軽量ニューラルネットワーク,適応信号処理,ハードウェア対応協調最適化を統合したエッジAI最適化フレームワークSTAR(Sensing Technology for Activity Recognition)を提案する。 サブ秒以下の応答レイテンシと低消費電力により、リアルタイムでプライバシ保護のHARが保証され、モバイルおよび普及型コンピューティング環境に実用的なスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-10-30T05:08:25Z)
• Efficient Egocentric Action Recognition with Multimodal Data [19.70664397400233]
  入力モードの異なるサンプリング周波数が自我中心の動作認識性能とCPU使用量に与える影響を解析する。 以上の結果から,RGBフレームのサンプリングレートの低減は,高周波数の3Dハンドポーズ入力を補完することで,CPU要求を大幅に低減しつつ高い精度を維持できることが判明した。 このことは、XRデバイス上で効率的なリアルタイムEARを実現するための実行可能なアプローチとして、マルチモーダル入力戦略の可能性を強調している。
  論文  参考訳（メタデータ） (2025-06-02T15:04:23Z)
• Co-designing a Sub-millisecond Latency Event-based Eye Tracking System with Submanifold Sparse CNN [8.613703056677457]
  アイトラッキング技術は多くの消費者向けエレクトロニクスアプリケーション、特に仮想現実および拡張現実(VR/AR)において不可欠である しかし、これらすべての面で最適なパフォーマンスを達成することは、非常に難しい課題である。 我々は,この課題に,システムとイベントカメラを併用したシナジスティックなソフトウェア/ハードウェアの共同設計を通じて対処する。 本システムでは,81%のp5精度,99.5%のp10精度,および3.71のMeanean Distanceを0.7msのレイテンシで実現し,1推論あたり2.29mJしか消費しない。
  論文  参考訳（メタデータ） (2024-04-22T15:28:42Z)
• Random resistive memory-based deep extreme point learning machine for unified visual processing [67.51600474104171]
  ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。 我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
  論文  参考訳（メタデータ） (2023-12-14T09:46:16Z)
• FastPillars: A Deployment-friendly Pillar-based 3D Detector [63.0697065653061]
  既存のBEVベースの(つまりバードアイビュー)検出器は、トレーニングと推論を高速化するためにスパース・コンボリューション(SPConv)を好む。 FastPillarsは、CenterPoint(SPConvベース)よりも1.8倍のスピードアップと3.8mAPH/L2の改善で、Openデータセットの最先端の精度を提供する
  論文  参考訳（メタデータ） (2023-02-05T12:13:27Z)
• Data-Model-Circuit Tri-Design for Ultra-Light Video Intelligence on Edge Devices [90.30316433184414]
  本稿では,HDビデオストリーム上での高スループット,低コスト,高精度MOTのためのデータモデル・ハードウエア・トリデザイン・フレームワークを提案する。 現状のMOTベースラインと比較して、我々の三設計アプローチは12.5倍の遅延低減、20.9倍のフレームレート改善、5.83倍の低消費電力、9.78倍のエネルギー効率を実現でき、精度は低下しない。
  論文  参考訳（メタデータ） (2022-10-16T16:21:40Z)
• MAPLE-Edge: A Runtime Latency Predictor for Edge Devices [80.01591186546793]
  汎用ハードウェアの最先端遅延予測器であるMAPLEのエッジデバイス指向拡張であるMAPLE-Edgeを提案する。 MAPLEと比較して、MAPLE-Edgeはより小さなCPUパフォーマンスカウンタを使用して、ランタイムとターゲットデバイスプラットフォームを記述することができる。 また、共通ランタイムを共有するデバイスプール上でトレーニングを行うMAPLEとは異なり、MAPLE-Edgeは実行時に効果的に一般化できることを示す。
  論文  参考訳（メタデータ） (2022-04-27T14:00:48Z)

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。