移动增强现实(AR)应用需要高质量的实时视觉预测,包括像素级的深度和语义信息,以实现沉浸式和上下文感知的用户体验。近期,视觉基础模型(VFM)在多样且未见数据上展现出强大的泛化能力,支持可扩展的移动AR体验。然而,由于计算资源限制,尤其是在保持预测准确性和实时性能方面,在移动设备上部署VFM面临挑战。本文介绍了ARIA 3,这是首个实现VFM设备端推理加速的系统。ARIA通过并行与选择性推理机制利用移动处理器的异构性:周期性地将全帧预测分配给具有高并行能力的处理器如GPU,而对动态区域进行低延迟更新则通过专用加速器如NPU完成。在移动设备上的实现和评估表明,ARIA在真实移动AR场景中显著提升了准确率和截止时间完成率。
Building similarity graph...
Analyzing shared references across papers
Jeho Lee
C.R. Jung
Gunjoong Kim
GetMobile Mobile Computing and Communications
Uppsala University
Yonsei University
Building similarity graph...
Analyzing shared references across papers
Lee 等人(周一)研究了该问题。
www.synapsesocial.com/papers/697460acbb9d90c67120a8d2 — DOI: https://doi.org/10.1145/3793236.3793246
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: