转载：通过 6G 视觉服务的创新算法，同时提高性能和节省能源

benyaogz

DGIST 电气工程和计算机科学系的 Jeongho Kwak 教授开发了一种学习模型和资源优化技术，将 6G 视觉服务的准确性和效率结合起来。该技术预计将用于解决 6G 视觉服务所需的高水平计算能力和复杂学习模型。

6G移动视觉服务与增强现实（AR）和自动驾驶等创新技术相关，这些技术在现代社会受到广泛关注。这些服务可以快速捕获视频和图像，并通过基于深度学习的模型有效理解其内容。

然而，这需要高性能处理器（GPU）和准确的学习模型。以前的技术将学习模型和计算/网络资源视为单独的实体，无法优化性能和移动设备资源利用率。

为了解决这个问题，Jeongho Kwak 教授的团队专注于同时实时优化学习模型和计算/网络资源。因此，他们提出了一种新的集成学习模型和计算/网络优化算法VisionScaling，与现有技术相比，该算法能够在保持平均精度的同时降低至少30%的能耗，而不会影响平均目标精度或时间延迟。

Kwaks 教授团队开发的 VisionScaling 算法通过使用最新的学习技术之一“在线凸优化 (OCO)”，即使在事先不了解未来条件的情况下，也能适应不断变化的移动环境，以保持最佳性能。

此外，郭教授的团队使用嵌入式人工智能设备和连接的边缘计算平台实现并测试了真实世界的移动视觉服务环境。他们证实，与之前使用的算法相比，开发的 VisionScaling 算法可在移动设备中节省 30% 的能源，并将端到端延迟缩短 39%。

DGIST 电气工程和计算机科学系的 Jeongho Kwak 教授表示：“这项研究既满足了在不规则变化的移动环境中实施和验证性能的实际贡献，又满足了利用动态优化和学习技术来证明最佳性能的数学贡献。它的意义重大，因为它为未来需要更高内存/计算资源的基于深度学习的移动服务提供了技术基础。”

该研究发表在IEEE 物联网杂志上。