[D] オンデバイスでのリアルタイム可視性復元：決定論的CV vs. 量子化MLモデル。エッジ維持とレイテンシのバランスに関する洞察を求めています。

みなさん、こんにちは。

私たちは、iOS向けのリアルタイムカメラエンジンを開発してきました。現在は純粋に決定論的なコンピュータビジョン手法を用いており、極端な大気の干渉（スモッグ、強い雨、靄のかかった水）を数学的に取り除いています。現状はCPU上でローカル実行しており、1080p・30fpsでレイテンシはゼロ、エッジ保持も高いです。

これから、MLベースのエンジンをオプションで切り替えられるように実装したいと考えています。目的は、量子化モデル（例：軽量なU-NetやMobileNetをCoreML経由で）によって、強く劣化したフレームにおける物体の構造的な整合性を改善できるかどうかを確かめることです。通常、オンデバイス推論に伴う膨大なバッテリー消費とFPS低下を伴わずに改善できるかを見たいのです。

エッジデバイス上でリアルタイム映像処理モデルを展開した経験のある方々にお聞きしたいのですが、この用途における古典的CVとMLのトレードオフについてどうお考えですか？ 精度の向上分は計算オーバーヘッドに見合うのでしょうか？

App Storeリンク（テスト用の広告ゼロのLite版：現在のベースライン）：https://apps.apple.com/us/app/clearview-cam-lite/id6760249427

左右比較の技術的な比較画像と、下にベースラインのストレステスト動画を掲載しました。コミュニティからのアーキテクチャに関するフィードバックを楽しみにしています！