17、自适应视觉算法内存需求复杂度优化与内存性能对比

自适应视觉算法内存需求复杂度优化与内存性能对比

自适应视觉算法模型数据压缩方案评估

在自适应视觉算法（AVAs）中，更新模型数据所需的巨大带宽需求导致了通信复杂性，这是主要挑战之一。为解决这一问题，我们采用数据分离方法，对模型数据应用不同的压缩方案，将压缩趋势从流数据转向模型数据。

1. 评估指标
   • 在探索过程中，我们使用 MS - SSIM 指标将压缩后的结果与未压缩高斯参数的真实值（MoG）进行质量评估。MS - SSIM 关注两帧之间的结构相似性，其值在 0 到 1 之间，值越高表示与真实值的相似度越高，质量损失越低。

2. 压缩方案评估

   • MSBSel 压缩 ：这是一种最简单的压缩方法，即静态选择参数的最高有效位，称为最高有效位选择（MSBSel）。虽然它是有损压缩，但几乎没有计算开销，特别是在硬件实现时。该压缩方案引入了质量 - 带宽权衡。质量和带宽呈非线性关系，在带宽从 160 MB/s 降至约 120 MB/s 时，可在不损失质量的情况下降低带宽。将带宽降至 50%（即 80 MB/s）时，根据 MS - SSIM 质量指标，质量下降不超过 15%。但选择更少的位会导致更高的带宽节省，但质量下降也更明显。由于准确的背景减法需要高动态范围或精度，因此需要更复杂的压缩算法来进一步降低更新模型数据的带宽要求。
   • JPEG - 2000 压缩 ：在 MSBSel 之后应用 JPEG - 2