要約
機械学習アルゴリズムにより、高品質のステレオ深度推定は、拡張および仮想現実(AR/VR)デバイスで実行されます。
ただし、フル画像処理スタック全体でのエネルギー消費量は、ステレオ深度アルゴリズムがバッテリー制限デバイスで効果的に実行されるのを防ぎます。
このペーパーでは、マッピング方法論と組み合わせた完全なステレオ深度システムであるSteroi-Dを紹介します。
Steroi-Dは、エネルギーを節約するために、システムレベルで地域の地域(ROI)と時間的スパースを悪用します。
Steroi-Dの柔軟で不均一なコンピューティングファブリックは、多様なROIをサポートします。
重要なことに、動的なROIを効果的に処理するための体系的なマッピング方法論を導入し、それによりエネルギー節約を最大化することです。
これらの手法を使用して、当社の28NMプロトタイプSteroi-D設計は、ベースラインASICと比較して最大4.35倍のシステムエネルギーを削減します。
要約(オリジナル)
Machine learning algorithms have enabled high quality stereo depth estimation to run on Augmented and Virtual Reality (AR/VR) devices. However, high energy consumption across the full image processing stack prevents stereo depth algorithms from running effectively on battery-limited devices. This paper introduces SteROI-D, a full stereo depth system paired with a mapping methodology. SteROI-D exploits Region-of-Interest (ROI) and temporal sparsity at the system level to save energy. SteROI-D’s flexible and heterogeneous compute fabric supports diverse ROIs. Importantly, we introduce a systematic mapping methodology to effectively handle dynamic ROIs, thereby maximizing energy savings. Using these techniques, our 28nm prototype SteROI-D design achieves up to 4.35x reduction in total system energy compared to a baseline ASIC.
arxiv情報
著者 | Jack Erhardt,Ziang Li,Reid Pinkham,Andrew Berkovich,Zhengya Zhang |
発行日 | 2025-02-13 17:39:28+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google