The Impact of Frame-Dropping on Performance and Energy Consumption for Multi-Object Tracking

要約

自動運転車 (AV) の安全性は、その環境の表現に依存します。
その結果、最先端の AV は強力なセンサー システムを採用して、常に最良の環境表現を実現します。
これらの高性能システムは目覚ましい結果を達成しますが、AV の計算ハードウェア コンポーネントの処理能力とそのエネルギー消費量に大きな要件が生じます。
状況認識の要件に基づいてこのような認識システムを動的に適応できるようにするために、検出による追跡システムでのフレームドロップを使用した単一フレームの物体検出モデルのスケーラブルな採用のためのモデルに依存しない方法を導入します。
KITTI 3D トラッキング ベンチマークで当社のアプローチを評価し、許容可能なパフォーマンス低下でも大幅なエネルギー節約が達成でき、HOTA スコアで 6.6% のパフォーマンス低下でエネルギー消費量を最大 28% 削減できることがわかりました。

要約(オリジナル)

The safety of automated vehicles (AVs) relies on the representation of their environment. Consequently, state-of-the-art AVs employ potent sensor systems to achieve the best possible environment representation at all times. Although these high-performing systems achieve impressive results, they induce significant requirements for the processing capabilities of an AV’s computational hardware components and their energy consumption. To enable a dynamic adaptation of such perception systems based on the situational perception requirements, we introduce a model-agnostic method for the scalable employment of single-frame object detection models using frame-dropping in tracking-by-detection systems. We evaluate our approach on the KITTI 3D Tracking Benchmark, showing that significant energy savings can be achieved at acceptable performance degradation, reaching up to 28% reduction of energy consumption at a performance decline of 6.6% in HOTA score.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google