TinyFlow: エッジ向けオプティカルフローのワープボトルネック解消
TinyFlow: Breaking the Warping Bottleneck for Edge Optical Flow
ワープ処理を固定窓相関に置き換え、単一の静的INT8グラフとしてコンパイル可能な軽量オプティカルフロー網を提案。エッジ機器での高精度フロー推定と視覚オドメトリを実現。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Xiao'ao Song, Chahat Deep Singh
分類: cs.RO, cs.CV
原文アブストラクト
High-performance optical flow networks are difficult to deploy on resource-constrained edge accelerators because their iterative refinement warps features by the current flow, which relies on flow-dependent resampling and data-dependent memory access. We present TinyFlow, a 1.26M-parameter warp-free optical flow network that preserves iterative coarse-to-fine refinement by replacing the warp with a fixed-window correlation over constant offsets, so the whole network compiles as a single static INT8 graph. Quantization-aware fine-tuning, warp-teacher distillation, and model souping reduce the Float32-to-INT8 penalty to below 0.2 end-point error (EPE) on MPI-Sintel. TinyFlow outperforms EdgeFlowNet and NanoFlowNet on Sintel Clean, Sintel Final, and FlyingChairs in both Float32 and INT8, while using 54% fewer parameters than EdgeFlowNet, and our INT8 model achieves 6.29/7.13 EPE on Sintel Clean/Final. In flow-only monocular visual odometry on TartanAir and UZH-FPV, the same INT8 model yields the lowest trajectory error on seven of eleven sequences.
関連論文
- 基盤モデル駆動のオプティカルフローオプティカルフロー
- EdgeFlowNet: 1Wで100FPSの小型移動ロボット向け高密度オプティカルフローオプティカルフロー
- NeuFlow v2: 高効率オプティカルフローを限界まで押し上げるオプティカルフロー
- UnSAMFlow: Segment Anything Modelで導く教師なしオプティカルフローオプティカルフロー
- NeuFlow: エッジデバイス上のロボット向けリアルタイム高精度オプティカルフロー推定オプティカルフロー
- アモーダルオプティカルフローオプティカルフロー
