通过导航能源、延迟与精度的三难问题实现能源效率

增强现实（XR）通过无线头显实现沉浸式体验，但受限于严苛的电池和资源约束。能源效率的设计对于确保XR设备的续航与高性能至关重要。然而，延迟和精度常常被置于能源效率之上，导致难以实现能源效率。这篇论文考察了场景重建——沉浸式XR体验的关键组成部分——并展示了如何通过导航能源、延迟与精度的三难问题来实现能源效率。我们探索了涵盖算法、执行和数据三个类别的能源导向优化，揭示了通过可配置参数暴露的广泛设计空间。最终的72种设计暴露了延迟和能源在广泛的权衡范围内，精度损失的范围较小。我们识别出帕累托最优曲线，表明仅通过对所有三类优化进行协同共优化，并考虑下游场景重建消费者的延迟和精度需求，才能实现处于曲线上的设计。覆盖多种用例的分析以及基于嵌入式类系统的测量显示，相对于基线，我们的设计在能源效益上可达最高60倍，潜在延迟范围为4倍减慢至2倍加速。针对代表性数据序列（如ScanNet）的用例详细探索，显示约25倍的能源节省、1.5倍的延迟降低以及可忽略的重建质量损失。