PicoSAM2: 面向边缘视觉应用的低延迟体内分段
最优化与控制
2025-06-24 v1 系统与控制
系统与控制
摘要
实时、设备内分段对于延迟敏感和注重隐私的应用（如智能眼镜和物联网设备）至关重要。我们引入 PicoSAM2，一个轻量级（130 万参数、3.36 亿 MAC）可提示分段模型，针对边缘和体内执行进行优化，包括 Sony IMX500。它基于深度可分离 U-Net，采用知识蒸馏和固定点提示编码从 Segment Anything Model 2（SAM2）学习。在 COCO 和 LVIS 上，它分别实现了 51.9% 和 44.9% 的 mIoU。量化模型（1.22MB）在 IMX500 上运行时间为 14.3ms，达到 86 MACs/周期，成为唯一同时满足内存和计算约束的模型，以实现体内部署。蒸馏使 LVIS 性能提升 +3.5% mIoU 和 +5.1% mAP。这些结果表明，直接在相机上实现高效、可提示的分段是可行的，无需云端或主机处理，实现隐私保护的视觉。
引用
@article{arxiv.2506.18806,
title = {FICA: Faster Inner Convex Approximation of Chance Constrained Grid Dispatch with Decision-Coupled Uncertainty},
author = {Yihong Zhou and Hanbin Yang and Thomas Morstyn},
journal= {arXiv preprint arXiv:2506.18806},
year = {2025}
}
备注
10 pages, in review for IEEE Transactions on Power Systems