MotiMem：自動運転車のためのエネルギー効率の高いニューラル認識に向けた、運動に着目した近似メモリ
arXiv cs.CV / 2026/3/31
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、バッテリー制約のある自動運転車におけるニューラル認識システムのデータ移動に伴うエネルギーを削減するための、運動に着目した近似メモリ・インタフェースであるMotiMemを提案する。
- 軽量な2Dモーション伝播を用いて時間的なコヒーレンスを活用し、関心領域（RoI）を動的に特定することで、不必要なセンサーデータの移動を回避することを狙う。
- ハイブリッドな疎性（スパース性）を意識した符号化手法として、適応的な反転（inversion）と打ち切り（truncation）を組み合わせ、ビット単位の疎性を生成し、メモリ・インタフェースの動的エネルギーをさらに低減する。
- nuScenes、Waymo、KITTIにおいて16の検出モデルを用いた結果、MotiMemはメモリ・インタフェースの動的エネルギーを約43%削減しつつ、物体検出精度をおよそ93%維持する。
- その結果として、JPEGやWebPのようなセマンティクスに無頓着な標準的なコードックと比べて、新しく改良されたエネルギー–精度のパレートフロンティアが得られると主張している。
