ASV：加速立体视觉系统

从立体视觉相机估计深度，即“立体深度估计”，对部署在能耗和性能受限设备（如增强现实头显和移动自主机器人）中的新兴智能应用至关重要。尽管现有立体视觉系统在准确率、性能和能效之间做出权衡，我们描述了 ASV，一种加速立体视觉系统，其在实现高准确率的同时同时提升性能和能效。ASV 的关键在于利用立体视觉固有的独特特性，并从算法和计算两方面施加立体专用优化。我们做出两点贡献。首先，我们提出一种新的立体算法，基于不变量的立体匹配（ISM），其在保持高准确率的同时实现显著加速。该算法将经典的“手工设计”立体算法与深度神经网络（DNNs）的近期进展相结合，通过利用立体视觉系统特有的对应不变量。其次，我们观察到 ISM 算法的瓶颈在于 DNN 推理，尤其是引入大量计算低效的反卷积操作。我们提出一组软件优化来缓解这些低效。我们表明，以不到 0.5% 的硬件面积开销，这些算法和计算优化可有效集成于常规 DNN 加速器内。总体而言，与当今基于 DNN 的立体视觉系统相比，ASV 实现了 5 倍加速和 85% 的能耗节省，且准确率损失仅 0.02%。