面向可扩展机器视觉的特征编码
计算机视觉与模式识别
2025-12-12 v1
摘要
深度神经网络（DNN）驱动着现代机器视觉，但由于计算需求高，难以在边缘设备上部署。传统方法——在设备上运行完整模型或卸载至云端——在延迟、带宽和隐私方面面临权衡。将推理工作负载在边缘和云端之间分割提供了一种平衡方案，但传输中间特征以实现此分割会引入新的带宽挑战。为此，移动图片专家小组（MPEG）发起了面向机器特征编码（Feature Coding for Machines, FCM）标准，建立了针对压缩中间特征的比特流语法和编解码管线。本文介绍了特征编码测试模型（Feature Coding Test Model, FCTM）的设计与性能，展示了在保持精度的前提下，实现了平均为 85.14% 的显著比特率降低。FCM 为在带宽受限和隐私敏感的消费级应用中高效且可互操作地部署智能特征提供了可扩展的路径。
引用
@article{arxiv.2512.10209,
title = {Feature Coding for Scalable Machine Vision},
author = {Md Eimran Hossain Eimon and Juan Merlos and Ashan Perera and Hari Kalva and Velibor Adzic and Borko Furht},
journal= {arXiv preprint arXiv:2512.10209},
year = {2025}
}
备注
This article has been accepted for publication in IEEE Consumer Electronics Magazine