NVIDIA Jetson AGX Xavier
PulseAugur coverage of NVIDIA Jetson AGX Xavier — every cluster mentioning NVIDIA Jetson AGX Xavier across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI系统高精度检测铁路车门异常
研究人员开发了一种名为TCAA-CS的新型铁路车门异常检测系统，该系统利用周期感知自动编码器处理物理测量和逻辑状态。该系统旨在通过将每个车门周期视为一个监控单元，并将重构误差、潜在空间偏差和相位感知跨信号一致性融合为混合异常分数来识别稀有且多样的故障。在真实工业数据上进行测试，TCAA-CS在低误报率下表现出高召回率和高精确率，并且其在NVIDIA Jetson AGX Xavier上进行了实时车载部署的可行性得到了证实。
-
FRESHLATENT 适配器在无线约束下提升无人机视觉语言模型性能
研究人员开发了 FRESHLATENT，这是一种新颖的通道感知潜在适配器，专为使用拆分式视觉语言模型（VLM）的资源受限无人机（UAV）设计。这种轻量级适配器解决了在无线通信约束下 VLM 感知中中间特征被破坏的问题。FRESHLATENT 通过训练一个编码器-解码器来适应无线损坏，同时保持主 VLM 冻结，显著提高了在不利条件下的 gIoU 和 cIoU 等性能指标。与更重的通信编解码器相比，该系统在编码器参数、延迟和能耗方面均有大…
-
新型视觉系统利用侵占后时间分析交叉口安全
研究人员开发了一个多摄像头计算机视觉系统，通过分析信号交叉口的侵占后时间（PET）来提升道路安全。该框架在加利福尼亚州丘拉维斯塔的一个交叉口进行了演示，使用YOLOv11分割在NVIDIA Jetson AGX Xavier设备上检测车辆。该系统将检测到的车辆数据转换为统一的鸟瞰图，并通过测量连续车辆通过之间的时间来计算PET。这使得能够创建动态热力图，以高空间和时间分辨率可视化高风险区域，为实时交叉口安全评估提供了一种可扩展的方法。
-
新的TEE-X框架加速边缘大型视觉模型
研究人员开发了TEE-X，一个旨在为边缘应用中的可信执行环境（TEE）内的大型视觉模型加速的新框架。该框架解决了在TEE中运行这些模型所面临的内存限制和计算延迟挑战，目标是实现GPU级别的推理速度。TEE-X采用感知敏感的模块化技术和向量化来优化性能，同时为对时间敏感的边缘视觉任务保持准确性和安全性。
-
MITE-Net: SWaP 优化的嵌入式边缘 SAR 4K 视频微小目标感知
研究人员开发了 MITE-Net，这是一种专为嵌入式边缘合成孔径雷达 (SAR) 任务设计的、用于 4K 视频中实时微小目标感知的创新架构。该系统针对尺寸、重量和功耗 (SWaP) 约束进行了优化，解决了下采样造成的特征丢失和基于切片处理的延迟问题。MITE-Net 集成了一个无学习的基于运动的区域提议网络和一个类似小型 R-CNN 的头部，并在新构建的 SAR-Tiny 数据集上进行了评估。在 NVIDIA Jetson AGX X…
-
新基准评估边缘端洪水响应的视觉语言模型推理能力
研究人员推出了FloodReasonBench，这是一个新的基准，旨在评估视觉语言模型（VLMs）在具身洪水响应场景下的推理和分割能力。该基准包括为洪水特定环境量身定制的FloodResponseSeg数据集，并评估了VLM在边缘设备典型资源受限条件下的性能。在NVIDIA Jetson AGX Xavier等硬件上的评估突显了准确性、延迟、能耗和通信开销之间的权衡，为选择最佳边缘运行点提供了见解。