DGIST 電気工学およびコンピュータ サイエンス学科の Jeongho Kwak 教授は、6G ビジョン サービス向けの精度と効率を組み合わせた学習モデルとリソース最適化テクノロジを開発しました。このテクノロジーは、6G ビジョン サービスに必要な高レベルのコンピューティング能力と複雑な学習モデルに対処するために利用されることが期待されています。

6G モバイル ビジョン サービスは、革新的な技術現代社会で大きな注目を集めている拡張現実（AR）や自動運転など。これらのサービスにより、ビデオや画像を迅速にキャプチャし、深層学習ベースのモデルを通じてそのコンテンツを効率的に理解できるようになります。

ただし、これには高性能プロセッサ (GPU) と正確な学習モデルが必要です。以前のテクノロジーは、学習モデルとコンピューティング/ネットワーキング リソースを別個のエンティティとして扱っていたため、パフォーマンスとモバイル デバイスのリソース使用率を最適化できませんでした。

この問題に対処するために、Jeongho Kwak 教授のチームは、学習モデルとコンピューティング/ネットワーク リソースをリアルタイムで同時に最適化することに焦点を当てました。その結果、彼らは新しい統合学習モデルとコンピューティング/ネットワーキングを提案しました。最適化アルゴリズム、VisionScaling を削減できるエネルギー消費平均ターゲット精度や時間遅延を損なうことなく、現在のテクノロジーと比較して平均精度を維持しながら、少なくとも 30% 向上します。

Kwaks 教授チームが開発した VisionScaling アルゴリズムは、最新の学習技術の 1 つである「Online Convex Optimization (OCO)」を使用することで、将来の状況に関する事前知識がなくても、常に変化するモバイル環境に適応して最適なパフォーマンスを維持します。

さらに、クァク教授のチームは、組み込み AI デバイスと接続されたエッジ コンピューティング プラットフォームを使用して、現実世界のモバイル ビジョン サービス環境を実装し、テストしました。彼らは、開発された VisionScaling アルゴリズムにより、エネルギーを 30% 以上節約できることを確認しました。モバイルデバイス以前に使用されていたアルゴリズムと比較して、エンドツーエンドの遅延が 39% 改善されます。

DGIST 電気工学・コンピュータサイエンス学科の Jeongho Kwak 教授は、「この研究は、不規則に変化するモバイル環境でのパフォーマンスの実装と検証という実用的な貢献と、動的最適化と学習技術を利用して最適なパフォーマンスを証明するという数学的な貢献の両方を満たしています。」と述べています。深層学習ベースの技術的基盤を提供するため、これは重要です。モバイルサービス将来的にはより多くのメモリ/コンピューティング リソースが必要になるでしょう。」

研究というのは、出版されたでIEEE モノのインターネット ジャーナル。

提供元DGIST (大邱慶北科学技術大学)