Mesorasi：通过延迟聚合支持点云分析的体系结构
计算机视觉与模式识别
2020-08-18 v1 硬件体系结构
摘要
点云分析有望成为电池供电的嵌入式与移动平台上的一类关键工作负载，广泛应用于自动驾驶、机器人与增强现实等新兴领域，其中效率至关重要。本文提出Mesorasi，一种算法-体系结构协同设计的系统，在保持精度的同时提升点云分析的性能与能效。我们对最先进点云算法的广泛表征表明，尽管其结构类似于卷积神经网络（CNNs），但由于点云数据的独特特性，点云算法存在固有的计算与内存低效。我们提出延迟聚合，一种用于构建高效点云算法的新算法原语。延迟聚合利用点云算法中关键操作的近似分配性质，隐藏性能瓶颈并减少计算与内存冗余。延迟聚合使点云算法在移动GPU上实现1.6倍加速与51.1%能耗降低，同时保持精度（相对损失0.9%至提升1.2%）。为最大化算法收益，我们对当代CNN加速器提出微小扩展，可集成至移动系统级芯片（SoC）而不修改其他SoC组件。借助额外硬件支持，Mesorasi实现高达3.6倍加速。
引用
@article{arxiv.2008.06967,
title = {Mesorasi: Architecture Support for Point Cloud Analytics via Delayed-Aggregation},
author = {Yu Feng and Boyuan Tian and Tiancheng Xu and Paul Whatmough and Yuhao Zhu},
journal= {arXiv preprint arXiv:2008.06967},
year = {2020}
}