Tag · 3 篇
边缘计算
分布 高效模型与推理加速23D 视觉与重建1
01 02 03
NanoSD：面向实时图像复原的边缘高效基础模型
NanoSD: Edge Efficient Foundation Model for Real Time Image Restoration
NanoSD 通过联合压缩 U-Net 和 VAE 编码器-解码器，在保持生成先验的同时实现边缘设备实时推理，为视觉任务提供可即插即用的轻量扩散基础模型，并揭示了参数减少与硬件效率不直接相关的设计原则。
ESAM++：面向边缘设备的高效在线3D感知
ESAM++: Efficient Online 3D Perception on the Edge
用轻量级3D稀疏特征金字塔网络（SFPN）替代ESAM中计算昂贵的3D稀疏UNet，在保持分割精度的同时将推理速度提升至3倍、模型尺寸缩小至一半，为在无GPU加速的边缘设备上部署在线3D感知提供了可复用的高效骨干设计。
基于超像素化相机的计算机视觉
Computer Vision with a Superpixelation Camera
把超像素分割前移到相机端做在线自适应压缩，为边缘设备上的分割、检测、单目深度估计提供低内存输入；做端侧视觉系统的人可以借鉴这种「传感器-算法协同」的降数据量思路，替代在图像域事后压缩。