論文の概要: SAGE: Efficient Protected Vision-Language Inference on Smart Glasses

• arxiv url: http://arxiv.org/abs/2610.14089v1
• Date: Thu, 08 Oct 2026 17:36:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.009485
• Title: SAGE: Efficient Protected Vision-Language Inference on Smart Glasses
• Title（参考訳）: SAGE:スマートグラスのビジョンランゲージ推論を効果的に
• Abstract要約: SAGEは、スマートグラス上で効率よく保護されたVLM推論のためのハードウェア対応フレームワークである。 SAGEは、信頼されたデバイスに生の画像と未保護のビジュアルトークンを保持する。 送信前に、保護された表現を256次元のINT8パケットに圧縮する。
• 参考スコア（独自算出の注目度）: 17.426070664066582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Smart glasses are a promising platform for vision-language assistants, but private split inference remains expensive: protecting visual representations before transmission does not remove the cost of on-device vision encoding, wide protected tokens, or hardware-unaware execution. We present SAGE (Smart-glasses-Aware Guarded Encoding), a hardware-aware framework for efficient protected VLM inference on smart glasses. SAGE keeps raw images and unprotected visual tokens on the trusted device, reduces visual input cost, executes shape-specialized INT8 graphs, and compresses protected representations into compact 256-dimensional INT8 packets before transmission. Unlike efficiency methods optimized only for nominal model size, SAGE selects its operating point using downstream answer quality together with measured latency, memory, and thermal behavior on real Mentra Live glasses. On a matched Qwen workload, SAGE reduces glasses inference latency by 39.18%, device-sensor temperature rise by 21.91%, and protected packet size by 96.56%, while retaining 85.62% of the protected reference's relaxed utility and comparable prompted containment. Direct glasses-to-phone tests deliver all 192 packets and reduce median packet-plus-acknowledgment time from 71.3 to 10.0 ms. The compact protected interface also transfers across four additional VLM families. These results show that private wearable VLM inference must be optimized jointly across representation protection, communication, and real-device execution rather than through model compression alone.
• Abstract（参考訳）: スマートグラスはビジョン言語アシスタントにとって有望なプラットフォームだが、プライベートスプリット推論は高価である。送信前に視覚的表現を保護することは、デバイス上でのビジョンエンコーディング、広く保護されたトークン、ハードウェアを意識しない実行のコストを排除しない。 SAGE(Smart-glasses-Aware Guarded Encoding)は、スマートグラス上での効率的なVLM推論のためのハードウェア対応フレームワークである。 SAGEは、信頼されたデバイス上に生画像と未保護のビジュアルトークンを保持し、視覚的な入力コストを低減し、形状特化INT8グラフを実行し、保護された表現を送信前に256次元INT8パケットに圧縮する。 名目モデルサイズに最適化された効率法とは異なり、SAGEはダウンストリームの応答品質と実際のメントラ・ライブグラスの遅延、メモリ、熱的挙動を用いて、その動作点を選択する。 一致するQwenのワークロードでは、SAGEはメガネの推論遅延を39.18%削減し、デバイスセンサーの温度は21.91%上昇し、パケットサイズは96.56%向上した。 直接メガネと電話によるテストでは、全ての192個のパケットを供給し、中央値のパケット+承認時間を71.3msから10.0msに短縮する。 これらの結果は、モデル圧縮のみを経由するのではなく、表現保護、通信、実デバイス実行において、プライベートなウェアラブルVLM推論を協調的に最適化する必要があることを示している。

関連論文リスト

• Adaptive Traffic Camouflage: Causal and Resource-Aware Defense Against IoT Fingerprinting [29.70795581899607]
  Adaptive Traffic Camouflageは、ランタイムデバイスラベルなしでトラフィック形状のリークを特徴付ける。 我々は,CIC-IoT-2022,IoT Sentinel,UNSWの設計を,古典的およびシーケンスベースのフィンガープリントモデルを用いて評価した。
  論文  参考訳（メタデータ） (2026-09-22T07:20:38Z)
• Coding What Matters: A Semantic-Aware Memory Interface for Energy-Efficient Perception in Autonomous Vehicles [0.4588028371034407]
  MotiMem-Omegaはセマンティックなメモリインタフェースコーダである。 前面カメラのbit-1密度を52%削減し、36%近くでモデル化されたメモリ・インタフェースのエネルギー削減に対応する。 また、ベースラインよりも高い保持率と、同じまたは低いビット-1密度でエネルギーにマッチしたトランケーションを与える。
  論文  参考訳（メタデータ） (2026-08-29T02:19:31Z)
• Lens Privacy Sealing: A New Benchmark and Method for Physical Privacy-Preserving Action Recognition [45.858644584022635]
  RGBカメラベースの監視システムは、公共の安全と医療のための人間の行動認識を可能にする。 既存の方法は、データ取得時のプライバシ保護に失敗する、キャプチャ後アルゴリズムに依存している。 我々は、調整可能なフィルムでカメラレンズを物理的に隠蔽するシンプルなハードウェアソリューションであるLens Privacy Sealing (LPS)を提案する。
  論文  参考訳（メタデータ） (2026-05-19T09:21:57Z)
• LightSplit: Practical Privacy-Preserving Split Learning via Orthogonal Projections [54.51153206716027]
  Split Learning(SL)は、ニューラルネットワークをクライアントと中央サーバに分割することで、協調的なトレーニングを可能にする。 カット層に軽量な固定ランダムプロジェクションを適用することにより,情報露出を制限し,通信オーバーヘッドを低減するLightSplitを提案する。 提案手法は, 伝送次元の最大32倍の精度で, 95%以上の精度を維持できることを示した。
  論文  参考訳（メタデータ） (2026-05-13T09:45:49Z)
• LiVOS: Light Video Object Segmentation with Gated Linear Matching [116.58237547253935]
  LiVOSはリニアアテンションによるリニアマッチングを利用する軽量メモリネットワークである。 長くて高解像度のビデオでは、STMベースのメソッドと53%のGPUメモリで一致し、32Gの消費者向けGPU上で4096pの推論をサポートする。
  論文  参考訳（メタデータ） (2024-11-05T05:36:17Z)
• BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices [63.56630165340053]
  フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。 CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。 CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
  論文  参考訳（メタデータ） (2021-02-06T00:14:06Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)

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。