动态神经网络概览：从计算机视觉到多模态传感器融合
计算机视觉与模式识别
2026-05-05 v4
摘要
模型压缩是将大型计算机视觉模型部署到嵌入式设备的关键技术。然而，静态优化技术（如剪枝、量化等）忽视了不同输入具有不同复杂度，因而需要不同的计算资源。动态神经网络允许根据特定输入条件化计算数量。当前文献在该领域非常广泛且碎片化。我们提供一个综合综述，综合和统一了计算机视觉上下文中现有动态神经网络研究。此外，我们提出基于网络各组件是否可适应的逻辑分类：即输出、计算图或输入。我们认为，动态神经网络在传感器融合场景中尤为有益，可实现更好的适应性、噪声抑制和信息优先级管理。我们呈现了该方向的初步工作。我们随综述提供了一个精选资源库，列出所有调查论文，每篇都附有解决方案简述及可用代码（如有）：https://github.com/DTU-PAS/awesome-dynn-for-cv
引用
@article{arxiv.2501.07451,
title = {A Survey on Dynamic Neural Networks: from Computer Vision to Multi-modal Sensor Fusion},
author = {Fabio Montello and Ronja Güldenring and Simone Scardapane and Lazaros Nalpantidis},
journal= {arXiv preprint arXiv:2501.07451},
year = {2026}
}
备注
Under review at Image and Vision Computing