Visual Wake Words
PulseAugur coverage of Visual Wake Words — every cluster mentioning Visual Wake Words across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
智能眼镜使用频率描述符适应数据变化，降低带宽需求
研究人员开发了一种名为“无帧，仅频”的新颖框架，用于在智能眼镜上自适应深度神经网络。该方法通过将紧凑的频率描述符从眼镜传输到主机设备，而不是传输完整的摄像头帧，来有效地处理分布变化。主机设备使用这些描述符来合成分布外数据并自适应模型副本。这种方法显著降低了带宽需求，在图像分类和对象检测等各种视觉模型和任务中，在实现大幅压缩的同时，仍能保留高比例的自适应增益。
-
ENAS 框架可在无 GPU 的情况下实现高效的 TinyML 模型搜索
研究人员开发了 ENAS，一个专为资源受限微控制器上的 TinyML 应用设计的高效硬件感知神经架构搜索 (NAS) 框架。与依赖 GPU 的方法不同，ENAS 无需 GPU 即可有效运行，并采用了混合搜索策略和持久化缓存。在各种微控制器上的 Visual Wake Words 和 Melanoma Cancer 基准测试中进行的评估表明，ENAS 实现了显著的搜索时间加速，并选择了具有较低峰值激活 RAM 的模型，这对于微控制器部署至关重要。
-
SK hynix、TetraMem 发布节能边缘 AI 芯片，但存在性能限制
SK hynix 和 TetraMem 与南加州大学合作，为边缘 AI 设备开发了一种实验性的基于忆阻器的片上系统（SoC）内存计算系统。该 SoC 旨在通过直接在内存阵列中进行计算来提高轻量级 AI 模型的能效，与传统的 GPU 或 NPU 相比，显著减少了数据移动和功耗。虽然该芯片展示了有前景的能效，但其理论峰值性能 2.54 TOPS 仍远不能满足当前高级 AI 应用的需求。