AHC：メモリ制約のあるマイクロコントローラ上での継続的物体検出のためのメタ学習型適応圧縮
arXiv cs.AI / 2026/4/14
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- この論文では、<100KB RAMのメモリ制約下にあるマイクロコントローラでの継続的物体検出に向けて、固定された圧縮戦略ではなくタスクごとに圧縮を適応させるメタラーニング枠組み「Adaptive Hierarchical Compression（AHC）」を提案する。
- AHCは、たった5回の勾配ステップで真のMAMLスタイルの内側ループ適応を行い、さらに階層的なマルチスケール圧縮を用いる。これにより、FPNの冗長性パターンに整合するスケール認識の圧縮比を適用する。
- 短期・長期の特徴バンクを備えたデュアルメモリ設計と、重要度に基づく統合（consolidation）を導入し、壊滅的忘却を抑えるためにハードな100KBの予算を強制する。
- 著者らは、壊滅的忘却に関する理論的な上界を、圧縮誤差・タスク数・メモリサイズに依存して提示し、CORe50、TiROD、PASCAL VOCで性能を検証する。
- 実験の結果、AHCは、平均プーリングされた圧縮特徴のリプレイ、EWC正則化、特徴蒸留を組み合わせた「100KBリプレイ」設定において、継続的検出精度で競争力のある性能を達成することが示される。
