两篇研究论文探讨了在嵌入式设备上改进视觉可供性分割的方法,特别是针对可穿戴机器人。第一篇论文侧重于增强轻量级神经网络的解码器模块,以平衡泛化性能与计算成本。第二篇论文介绍了使用RGB-D摄像头和硬件感知神经架构搜索的方法,以在性能和硬件约束之间实现帕累托最优,并在电池兼容的能源预算内展示了实时能力。 AI
影响 这些论文推进了在资源受限设备上高效部署AI模型的技术,这对于机器人和嵌入式系统中的实时应用至关重要。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了计算机视觉任务的新颖方法。
- Jetson Nano
- RealSense, Inc.
- RGB-D Visual Simultaneous Localization and Mapping (SLAM) Application
- arXiv
- Deep Neural Networks
- Filling the Pareto-Optimal Front for Affordance Segmentation on Embedded Devices Using RGB-D Cameras
- Lightweight Neural Networks for Affordance Segmentation: Enhancement of the Decoder Module
- RGB-D Cameras
- Wearable Robots: An Original Mechatronic Design of a Hand Exoskeleton for Assistive and Rehabilitative Purposes
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →