Key points are not available for this paper at this time.
교통 시스템과 인공지능의 발전은 지능형 교통 시스템 및 자율주행차(AV)의 사용을 확대했습니다. 실제로 AV 시스템은 최근 몇 년간 많은 연구의 관심을 끌었으며, 이는 장면 이해, 시각 예측, 의사 결정 및 통신을 포함한 여러 자율주행 작업을 가능하게 했습니다. 후자의 경우, 수집된 이미지를 원격 엣지 서버에 보내 처리 및 의사 결정을 하면서 자원 부족 자율주행 시스템에서 병목 현상을 초래할 수 있습니다. 이러한 문제는 AV에서 이미지를 압축하고 엣지에서 좋은 품질의 재구성을 보장함으로써 해결할 수 있습니다. 본 논문에서는 시각 예측 작업에 대한 재구성 과정을 개선하기 위해 이미지 의미 인식을 통합한 압축 센싱(CS) 기반 이미지 재구성을 위한 심층 신경망을 제안합니다. 재구성 과정은 엔드 투 엔드 모델 학습 과정에서 인지 영감을 받은 손실을 사용하여 최적화됩니다. 훈련된 모델은 자율주행 자동차 데이터 세트에서 평가됩니다. 얻어진 실험 결과는 이미지 재구성 품질과 처리 시간 측면에서 최첨단 접근 방식을 능가합니다. 마지막으로, 시각 작업 예측을 위한 재구성 품질 평가를 위해 재구성된 이미지에서 의미적 도시 장면 분할을 수행합니다. 세 가지 의미적 도시 장면 데이터 세트에서 얻어진 결과는 제안된 접근 방식의 효율성을 보여줍니다.
Bairi et al. (Sat,) 이 질문을 연구했습니다.