盖世汽车讯 据外媒报道，大邱庆北科学技术院（DGIST）电子工程与计算机科学系Jeongho Kwak教授开发出结合6G视觉服务准确性和效率的学习模型和资源优化技术。预计该技术将有助于实现6G视觉服务所需的高水平计算能力和复杂学习模型。

（图片来源：大邱庆北科学技术院）

在当代社会，增强现实（AR）、自动驾驶等创新技术备受关注，而6G移动视觉服务与这些技术密切相关。这些服务可以快速收集视频和图像，并通过深度学习基模型有效地理解这些内容。然而，这需要高性能处理器（GPU）和精确的学习模型。以前的技术将学习模型和计算/网络资源视为单独的实体，无法优化性能和移动设备资源利用率。

为了解决这个问题，该团队专注于同时和实时优化学习模型和计算/网络资源。研究人员提出新的集成学习模型和计算/网络优化算法VisionScaling。与当前技术相比，该算法能够保持平均准确度，同时至少减少30%的能耗，而不会影响平均目标准确度或时间延迟。

VisionScaling算法采用最新的“在线凸优化（OCO）”学习技术，即使事先不知道未来的情况，也能适应不断变化的移动环境，从而保持最佳性能。此外，该团队使用嵌入式AI设备和互联边缘计算平台实现并测试了真实世界的移动视觉服务环境。结果表明，与以前使用的算法相比，所开发的VisionScaling算法在移动设备上可以节省30%的能源，并将端到端延迟提升39%。

DGIST电子工程与计算机科学系Jeongho Kwak教授表示：“这项研究既具有在不规则变化的移动环境中实现和验证性能的实际意义，也提供了利用动态优化和学习技术来证明最佳性能的数学贡献。这为未来开发需要更高内存/计算资源的深度学习基移动服务提供了技术基础，因此具有重要意义。”