SteROI-D：针对区域感兴趣的立体深度推理系统设计与映射
计算机视觉与模式识别
2025-02-14 v1 硬件体系结构
摘要
机器学习算法已使立体深度估计在 augmented 和 virtual 现实（AR/VR）设备上能够运行高质量深度。然而，整个图像处理堆栈的高能耗阻碍了立体深度算法在电池受限设备上的有效运行。本文引入 SteROI-D，一个完整的立体深度系统配合映射方法。SteROI-D 利用区域感兴趣（Region-of-Interest, ROI）和时间稀疏性在系统层面节省能源。SteROI-D 的灵活且异构的计算 fabric 支持多样化的 ROI。重要的是，我们引入一种系统化的映射方法来有效处理动态 ROI，从而最大化能源节省。通过这些技术，我们的 28nm 原型 SteROI-D 设计相对于基准 ASIC 实现了最高 4.35 倍的总系统能耗降低。
引用
@article{arxiv.2502.09528,
title = {SteROI-D: System Design and Mapping for Stereo Depth Inference on Regions of Interest},
author = {Jack Erhardt and Ziang Li and Reid Pinkham and Andrew Berkovich and Zhengya Zhang},
journal= {arXiv preprint arXiv:2502.09528},
year = {2025}
}
备注
Accepted as a full paper by the 2025 EDGE AI FOUNDATION Austin