Improving Efficiency of DNN-based Relocalization Module for Autonomous Driving with Server-side Computing

要約

本研究では、ディープニューラルネットワーク（DNN）を活用した、自律走行車におけるカメラ再配置のための新しいフレームワークを提示する。既存の文献では、様々なDNNベースのカメラ再配置方法が提供されているが、それらの展開は、推論中の高い計算要求によって妨げられている。これに対し、我々のアプローチは、エッジクラウド連携によってこの課題に対処する。具体的には、ニューラルネットワークの特定のモジュールを戦略的にサーバーにオフロードし、オフロードの決定を導くために、異なるネットワーク分割スキームの下でデータフレームの推論時間を評価する。その結果、自律走行車のためのDNNベースのカメラ再配置におけるサーバー側のオフロードの重要な役割が浮き彫りになり、データフュージョンの結果についても議論する。最後に、実験評価を通じて、提案するフレームワークの有効性を検証する。

要約(オリジナル)

In this work, we present a novel framework for camera relocation in autonomous vehicles, leveraging deep neural networks (DNN). While existing literature offers various DNN-based camera relocation methods, their deployment is hindered by their high computational demands during inference. In contrast, our approach addresses this challenge through edge cloud collaboration. Specifically, we strategically offload certain modules of the neural network to the server and evaluate the inference time of data frames under different network segmentation schemes to guide our offloading decisions. Our findings highlight the vital role of server-side offloading in DNN-based camera relocation for autonomous vehicles, and we also discuss the results of data fusion. Finally, we validate the effectiveness of our proposed framework through experimental evaluation.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL