DGIST 電機工程和電腦科學系的 Jeongho Kwak 教授開發了一種學習模型和資源優化技術，將 6G 視覺服務的準確性和效率結合起來。該技術預計將用於解決 6G 視覺服務所需的高水準運算能力和複雜學習模型。

6G移動視覺服務與創新技術例如擴增實境（AR）和自動駕駛在現代社會受到廣泛關注。這些服務可以快速捕捉視訊和圖像，並透過基於深度學習的模型有效理解其內容。

然而，這需要高效能處理器（GPU）和準確的學習模型。先前的技術將學習模型和計算/網路資源視為單獨的實體，無法優化效能和行動裝置資源利用率。

為了解決這個問題，Jeongho Kwak 教授的團隊專注於同時即時優化學習模型和運算/網路資源。因此，他們提出了一種新的整合學習模型和計算/網絡最佳化演算法，VisionScaling，能夠減少能源消耗與目前技術相比，至少提高 30%，同時保持平均精度，而不影響平均目標精度或時間延遲。

Kwaks 教授團隊開發的 VisionScaling 演算法透過使用最新的學習技術之一“線上凸優化 (OCO)”，即使在事先不了解未來條件的情況下，也能適應不斷變化的行動環境，以保持最佳性能。

此外，郭教授的團隊使用嵌入式人工智慧設備和連接的邊緣運算平台實現並測試了真實世界的行動視覺服務環境。他們證實，開發的 VisionScaling 演算法可節省 30% 的能源行動裝置與之前使用的演算法相比，端到端延遲降低了 39%。

DGIST 電機工程和計算機科學系的Jeongho Kwak 教授表示：「這項研究既滿足了在不規則變化的移動環境中實施和驗證性能的實際貢獻，又滿足了利用動態優化和學習技術來證明最佳性能的數學貢獻。行動服務未來需要更高的記憶體/運算資源。

該研究是發表在IEEE 物聯網期刊。

提供者：DGIST（大邱慶北科學技術院）