CPUBone：面向低并行能力设备的高效视觉骨干网络设计
计算机视觉与模式识别
2026-03-31 v2 人工智能
摘要
近期关于视觉骨干架构的研究主要聚焦于优化具有高并行处理能力的硬件平台的效率。该类别越来越多地包括嵌入式系统，如手机和嵌入式AI加速模块。相比之下，CPU无法以相同方式并行化操作，因此模型受益于一种特定的设计哲学，通过具有高每秒乘加运算数（MACpS）来平衡操作量（MACs）和硬件高效执行。为实现这一目标，我们研究了标准卷积的两种修改，旨在降低计算成本：分组卷积和减小核尺寸。虽然两种适配都显著降低了推理所需的总MACs数量，但保持低延迟需要保持硬件效率。我们在多种CPU设备上的实验证实，这些适配成功地在CPU上保持了高硬件效率。基于这些见解，我们引入了CPUBone，一个新的针对基于CPU推理优化的视觉骨干模型家族。CPUBone在广泛的CPU设备上实现了最先进的的速度-精度权衡（SAT），并有效地将其效率传递到目标检测和语义分割等下游任务。模型和代码可在https://github.com/altair199797/CPUBone获取。
引用
@article{arxiv.2603.26425,
title = {CPUBone: Efficient Vision Backbone Design for Devices with Low Parallelization Capabilities},
author = {Moritz Nottebaum and Matteo Dunnhofer and Christian Micheloni},
journal= {arXiv preprint arXiv:2603.26425},
year = {2026}
}
备注
Accepted at CVPR Findings 2026