面向协同智能的帕累托最优比特分配
图像与视频处理
2021-05-03 v2 人工智能
机器学习
摘要
在近期研究中，协同智能（CI）已成为在移动/边缘设备上部署基于人工智能（AI）的服务的 promising 框架。在 CI 中，AI 模型（深度神经网络）被分割于边缘与云之间，中间特征从边缘子模型发送至云子模型。本文中，我们研究多流 CI 系统中特征编码的比特分配。我们使用类似于失真-率理论中发现的凸曲面将任务失真建模为率的函数。利用此类模型，我们能为单任务系统与标量化多任务系统提供闭式比特分配解。此外，我们给出了 2-流 k-任务系统完整帕累托集的解析刻画，以及 3-流 2-任务系统帕累托集的界。解析结果在文献中的多种 DNN 模型上进行了检验，以证明结果的广泛适用性。
引用
@article{arxiv.2009.12430,
title = {Pareto-Optimal Bit Allocation for Collaborative Intelligence},
author = {Saeed Ranjbar Alvar and Ivan V. Bajić},
journal= {arXiv preprint arXiv:2009.12430},
year = {2021}
}