HyperLiDAR：超次元コンピューティングによる事後配備の適応型LiDARセマンティックセグメンテーション

要旨: LiDARのセマンティックセグメンテーションは、自動運転のようなエッジ応用における3Dシーン理解において重要な役割を果たします。しかし、特にオンデバイスのポストデプロイ適応に関して、実環境への導入には依然として大きな課題が残っています。実世界の環境は、システムが異なる場所を移動するにつれて変化し得るため、有効かつ適時なモデル適応がないと性能が大幅に低下します。さらに、エッジシステムは厳しい計算資源とエネルギー制約のもとで動作するため、（大規模なニューラルネットワークに基づく）従来のセグメンテーションモデルをオンデバイスで直接適応させることは現実的ではありません。上述の課題に対処するため、我々はHyperLiDARを提案します。HyperLiDARは、Hyperdimensional Computing（HDC）に基づく、最初の軽量なポストデプロイLiDARセグメンテーションの枠組みです。HyperLiDARの設計は、人間の脳が情報を処理する方法に着想を得て、HDCの高速な学習と高い効率を最大限に活用します。適応効率をさらに向上させるために、スキャンあたりの高いデータ量を主要なボトルネックとして特定し、最も有益な点に学習を集中させるバッファ選択戦略を導入します。2つの最先端のLiDARセグメンテーションのベンチマークと、2つの代表的なデバイスに対して、広範な評価を行いました。その結果、HyperLiDARは最先端のセグメンテーション手法と比較して、適応性能で上回るか、同等の性能を達成しつつ、再学習では最大13.8倍の高速化を実現することが示されました。