Loading...
机构名称:
¥ 1.0

取决于特定的硬件或ML加速器,例如智能手机GPU。尽管对这些步骤进行了充分的研究,但仍缺乏对实用系统的描述。对于这样的系统,所有这些步骤都需要彼此同时工作,并在系统内的故障或不理想的输入数据中优雅地退缩。我们展示了如何处理不可预见的校准变化,例如,由于加热,在野外支持深度估计,并且仍然遵守流畅的用户体验所需的内存和延迟约束。我们表明我们的训练有素的模型很快,并且在六岁的三星Galaxy S8 Phone的CPU上运行不到1秒。我们的模型可以很好地推广到看不见的数据,并在米德伯里和从智能眼镜中捕获的野外图像上取得良好的效果。

arxiv:2211.10551V2 [CS.CV] 2023年3月31日

arxiv:2211.10551V2 [CS.CV] 2023年3月31日PDF文件第1页

arxiv:2211.10551V2 [CS.CV] 2023年3月31日PDF文件第2页

arxiv:2211.10551V2 [CS.CV] 2023年3月31日PDF文件第3页

arxiv:2211.10551V2 [CS.CV] 2023年3月31日PDF文件第4页

arxiv:2211.10551V2 [CS.CV] 2023年3月31日PDF文件第5页

相关文件推荐