論文の概要: No Frames, Just Frequencies: Bandwidth-Efficient Deployment-Time Adaptation for Smart Glasses

• arxiv url: http://arxiv.org/abs/2610.29607v1
• Date: Wed, 21 Oct 2026 11:46:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.351001
• Title: No Frames, Just Frequencies: Bandwidth-Efficient Deployment-Time Adaptation for Smart Glasses
• Title（参考訳）: フレームなし、ただの周波数:スマートグラスのバンド幅効率の良い展開時間適応
• Abstract要約: フレームなし、Just Frequenciesは、スマートグラスのためのソースアシスト適応フレームワークである。 カメラフレームを送信する代わりに、メガネは計算し、モデルのレプリカを含むホストデバイスに周波数ディスクリプタを送信する。 コンボリューションベース(ConvNeXtV2-Femto)、自己注意型(DeiT-Tiny)、ハイブリッド型(TinyViT-5M)のビジョンモデルを用いて、画像Net-Cの破損の混在について検討した。
• 参考スコア（独自算出の注目度）: 2.6369173512269177
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep neural networks deployed on smart glasses must adapt to changes in the distribution of incoming data while adhering to strict privacy and device constraints. We present No Frames, Just Frequencies, a bandwidth-efficient source-assisted adaptation framework that characterizes distribution shifts using compact frequency descriptors computed on-device. Rather than transmitting camera frames, the glasses compute and send frequency descriptors to a host device that contains a replica of the model. The host device maps the received frequency descriptor to a distribution shift operator that synthesizes out-of-distribution data and adapts a model replica using a pre-defined adaptation protocol. We evaluate the framework on mixtures of ImageNet-C corruptions using convolution-based (ConvNeXtV2-Femto), self-attention-based (DeiT-Tiny), and hybrid (TinyViT-5M) vision models, on person classification (Visual Wake Words), and on object detection (MS-COCO). Our results reveal that adaptation driven solely by the transmitted descriptors recovers $93-95\%$ of the supervised oracle adaptation gain on all three architectures, $82\%$ on Visual Wake Words and $94$--$98\%$ on MS-COCO. Notably, adaptation quality degrades gracefully as the descriptor resolution decreases from $224 $ to $28$ pixels, consistently across architectures, enabling bandwidth reductions from $213\times$ to $784\times$ across the frequency descriptors.
• Abstract（参考訳）: スマートグラス上にデプロイされたディープニューラルネットワークは、厳格なプライバシーとデバイス制約を守りながら、受信データの分散の変化に適応する必要がある。 デバイス上で計算したコンパクトな周波数ディスクリプタを用いて、分散シフトを特徴付ける、帯域効率の高いソースアシスト適応フレームワークであるNo Frame, Just Frequenciesを提案する。 カメラフレームを送信する代わりに、メガネは計算し、モデルのレプリカを含むホストデバイスに周波数ディスクリプタを送信する。 ホスト装置は、受信した周波数ディスクリプタを分布シフト演算子にマッピングし、分布外データを合成し、予め定義された適応プロトコルを用いてモデルレプリカを適応させる。 コンボリューションベース(ConvNeXtV2-Femto)、自己注意ベース(DeiT-Tiny)、ハイブリッド(TinyViT-5M)ビジョンモデル、人物分類(Visual Wake Words)、オブジェクト検出(MS-COCO)を用いて、ImageNet-Cの汚職の混在について検討した。 以上の結果から,3 つのアーキテクチャすべてにおいて,トランスポートディスクリプタのみによって駆動される適応は,教師付きオラクル適応の 93-95 % が,Visual Wake Word では 82 %,MS-COCO では 94 ドル--98 % が回復することが明らかとなった。 特に、ディスクリプタの解像度が24ドルから28ドルに低下するにつれて、適応品質は優雅に低下し、アーキテクチャ全体にわたって一貫して帯域幅を213ドルから784ドルに削減できる。

関連論文リスト

• Semantically-Guided Domain Randomization for Industrial Object Detection in Low-Image-Budget Regimes [2.477535320358579]
  本研究は、S-GDR(Semantically-Guided Domain Randomization)を評価する。 拡散に基づく背景合成を伴う小さな注釈のない実参照セットの視覚言語モデル(VLM)ベースのセマンティックキャプションを結合する。 自動車のマルチオブジェクト検出ベンチマークでは、S-GDRは実際のホールドアウトテストセットでmAP50-95 = 0.739に達する。
  論文  参考訳（メタデータ） (2026-09-22T14:36:35Z)
• DYNA-PRUNER: Input-Adaptive Data-Model Co-Pruning for Efficient and Scalable Spatio-Temporal Media Prediction [24.16400471463046]
  Dyna-Prunerは、データとモデル構造を入力依存で共存するエンドツーエンドのフレームワークである。 共有重要同期機構は、冗長領域をプルーする結合マスクを生成する。 WeatherBench、SEVIR、TaxiBJの実験では、CNN、RNN、Transformerのバックボーンとシームレスに統合されている。
  論文  参考訳（メタデータ） (2026-06-13T15:14:05Z)
• A High-Accuracy Optical Music Recognition Method Based on Bottleneck Residual Convolutions [0.036971941442545786]
  光音楽認識は、印刷または手書きの楽譜画像を編集可能な記号表現に変換することを目的としている。 本稿では、残差ボトルネック畳み込みと双方向ゲート再帰ユニット(BiGRU)に基づくシーケンスモデリングを組み合わせたエンドツーエンドのOMRフレームワークを提案する。 Camera-PrIMuSとPrIMuSデータセットの実験結果から,提案フレームワークの有効性が示された。
  論文  参考訳（メタデータ） (2026-04-07T14:32:16Z)
• AdaPerceiver: Transformers with Adaptive Width, Depth, and Tokens [6.989655731780402]
  AdaPerceiverは,1つのモデル内での深さ,幅,トークンを統一した適応性を備えた最初のトランスフォーマーアーキテクチャである。 AdaPerceiverは85.4%の精度で、FlexiViT-Lよりも36%高いスループットを実現している。
  論文  参考訳（メタデータ） (2025-11-22T16:09:14Z)
• BADiff: Bandwidth Adaptive Diffusion Model [55.10134744772338]
  従来の拡散モデルは、下流の伝送制限によらず、一定数のデノナイジングステップを実行することで、高忠実度画像を生成する。 実際のクラウド・ツー・デバイス・シナリオでは、帯域幅の制限はしばしば重い圧縮を必要とし、微妙なテクスチャや無駄な計算が失われる。 使用可能な帯域幅から導かれる目標品質レベルに拡散モデルを条件付けする,共同エンドツーエンドのトレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2025-10-24T11:50:03Z)
• Diffusion-Driven Semantic Communication for Generative Models with Bandwidth Constraints [66.63250537475973]
  本稿では,帯域制限付き生成モデルのための,高度なVAEベースの圧縮を用いた拡散駆動型セマンティック通信フレームワークを提案する。 実験の結果,ピーク信号対雑音比 (PSNR) などの画素レベルの指標と,LPIPS (Learning Perceptual Image patch similarity) のような意味的指標が大幅に改善された。
  論文  参考訳（メタデータ） (2024-07-26T02:34:25Z)
• High Fidelity Neural Audio Compression [92.4812002532009]
  我々は、ニューラルネットワークを利用した最先端のリアルタイム、高忠実、オーディオを導入する。 ストリーミングエンコーダ-デコーダアーキテクチャと、エンドツーエンドでトレーニングされた量子化潜在空間で構成されている。 単一マルチスケール・スペクトログラム・アドバイザリーを用いて、トレーニングを簡素化し、高速化する。
  論文  参考訳（メタデータ） (2022-10-24T17:52:02Z)
• ZippyPoint: Fast Interest Point Detection, Description, and Matching through Mixed Precision Discretization [71.91942002659795]
  我々は,ネットワーク量子化技術を用いて推論を高速化し,計算限定プラットフォームでの利用を可能にする。 バイナリディスクリプタを用いた効率的な量子化ネットワークZippyPointは,ネットワーク実行速度,ディスクリプタマッチング速度,3Dモデルサイズを改善する。 これらの改善は、ホモグラフィー推定、視覚的ローカライゼーション、マップフリーな視覚的再ローカライゼーションのタスクで評価されるように、小さなパフォーマンス劣化をもたらす。
  論文  参考訳（メタデータ） (2022-03-07T18:59:03Z)
• A Study of Designing Compact Audio-Visual Wake Word Spotting System Based on Iterative Fine-Tuning in Neural Network Pruning [57.28467469709369]
  視覚情報を利用した小型音声覚醒単語スポッティング(WWS)システムの設計について検討する。 繰り返し微調整方式(LTH-IF)で抽選券仮説を通したニューラルネットワークプルーニング戦略を導入する。 提案システムでは,ノイズ条件の異なる単一モード(オーディオのみ,ビデオのみ)システムに対して,大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-02-17T08:26:25Z)
• An Adaptive Device-Edge Co-Inference Framework Based on Soft Actor-Critic [72.35307086274912]
  高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。 本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。 レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
  論文  参考訳（メタデータ） (2022-01-09T09:31:50Z)
• A Photonic-Circuits-Inspired Compact Network: Toward Real-Time Wireless Signal Classification at the Edge [3.841495731646297]
  大規模な機械学習モデルでは、レイテンシに敏感な下流タスクのためにエッジデバイス上で実装することが難しくなる可能性がある。 無線通信システムでは、ミリ秒以下のスケールでのMLデータ処理により、リアルタイムなネットワーク監視が可能となる。 本稿では,フォトニック・ハードウエアにインスパイアされたリカレントニューラルネットワークモデルからなる,コンパクトなディープ・ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-25T19:55:41Z)

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。