.png){kind=icon}
返回
Exploiting Partial JPEG Decoding to Mitigate On-Device Image Processing
.png){kind=icon}
PRE
AI
DOI：10.1109/tmc.2026.3697605.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
设备-云协同推理对于无法支持完整本地模型资源受限的物联网设备通常是必要的。为最小化带宽并支持并发，现有方法通常在传输前压缩图像。然而，这些方法往往忽略了解码原生JPEG相机输出的显著开销，尤其是对于高分辨率帧。我们的测量显示，设备端（Raspberry Pi 4B）对700 KB JPEG格式的解码开销约为云端（GeForce RTX 3090）仪表识别推理延迟的14.4倍。为降低设备端解码开销，我们设计了DC Camera，其基于JPEG相机并利用部分JPEG解码从高分辨率图像中高效提取DC特征，显著缓解设备端图像处理开销。这些DC特征比传统下采样图像能更好地保留结构信息。我们利用DC Camera实现快速仪表识别系统，并在材料科学实验室部署该系统以监控多个仪表。我们的评估表明，与当前最优（SOTA）方法相比，DC Camera可将设备端计算开销降低约5.8倍，传输量减少约90.9倍，且不降低推理精度。
Keyword:
JPEG decoding
direct current
device-cloud collaborative inference
期刊
IF:
9.2
论文数:
5.8K
被引数:
1.8W
机构
引用论文
.png){kind=icon}
WaveRecovery: Screen-shooting Watermarking based on Wavelet and RecoveryWaveRecovery：基于小波和恢复的屏幕截图水印技术
PREAI
分享收藏分享收藏
查看更多内容