Feature Coding for Scalable Machine Vision

📄 arXiv: 2512.10209v1 📥 PDF

作者: Md Eimran Hossain Eimon, Juan Merlos, Ashan Perera, Hari Kalva, Velibor Adzic, Borko Furht

分类: cs.CV

发布日期: 2025-12-11

备注: This article has been accepted for publication in IEEE Consumer Electronics Magazine

期刊: 2025 IEEE Consumer Electronics Magazine

DOI: 10.1109/MCE.2025.3630304

💡 一句话要点

提出FCTM，通过特征编码显著降低机器视觉边缘部署的带宽需求。

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 特征编码 边缘计算 机器视觉 深度神经网络 带宽压缩

📋 核心要点

  1. 深度学习模型边缘部署面临高计算和带宽挑战，完整模型部署或云端卸载各有不足。
  2. 论文提出基于MPEG FCM标准的特征编码测试模型（FCTM），压缩中间特征以降低带宽需求。
  3. 实验表明，FCTM在多个视觉任务中实现了平均85.14%的比特率降低，同时保持了精度。

📝 摘要（中文）

深度神经网络（DNN）推动了现代机器视觉的发展，但由于其高计算需求，在边缘设备上的部署面临挑战。传统的解决方案，如在设备上运行完整模型或卸载到云端，需要在延迟、带宽和隐私之间进行权衡。在边缘和云之间分割推理工作负载提供了一个平衡的解决方案，但传输中间特征引入了新的带宽挑战。为了解决这个问题，动态图像专家组（MPEG）启动了机器特征编码（FCM）标准，该标准建立了一种比特流语法和编解码器流水线，专门用于压缩中间特征。本文介绍了特征编码测试模型（FCTM）的设计和性能，表明在保持精度的前提下，跨多个视觉任务的比特率平均降低了85.14%。FCM为在带宽受限和隐私敏感的消费者应用中高效且可互操作地部署智能特征提供了一条可扩展的路径。

🔬 方法详解

问题定义：论文旨在解决深度神经网络在边缘设备部署时，由于传输中间特征而产生的高带宽需求问题。现有方法要么将整个模型部署在边缘设备上，导致计算资源不足；要么将整个模型部署在云端，导致高延迟和隐私泄露风险。在边缘和云之间分割推理任务是一种折衷方案，但中间特征的传输会消耗大量带宽，限制了其实际应用。

核心思路：论文的核心思路是利用特征编码技术，对从边缘设备提取的中间特征进行压缩，从而显著降低传输带宽需求。通过设计高效的编解码器，在保证模型精度的前提下，尽可能地减少特征数据的体积。这种方法使得在带宽受限的环境下，也能实现边缘和云之间的协同推理。

技术框架：FCTM的整体框架包含以下几个主要阶段：1）边缘设备上的特征提取：使用部分深度神经网络提取中间特征；2）特征编码：使用FCTM编解码器对提取的特征进行压缩；3）特征传输：将压缩后的特征数据传输到云端；4）特征解码：云端使用FCTM解码器恢复特征；5）云端推理：使用剩余的深度神经网络完成推理任务。

关键创新：论文的关键创新在于采用了基于MPEG FCM标准的特征编码方法，并设计了专门针对机器视觉任务的特征编码测试模型（FCTM）。FCM标准定义了一种通用的比特流语法和编解码器流水线，可以灵活地适应不同的特征类型和压缩需求。与传统的图像或视频压缩方法相比，FCM更关注特征数据的特性，能够实现更高的压缩效率。

关键设计：FCTM的关键设计包括：1）针对不同视觉任务的特征统计特性，优化量化参数；2）采用高效的熵编码方法，进一步压缩特征数据；3）设计自适应的码率控制算法，根据网络带宽动态调整压缩比率。具体的参数设置、损失函数和网络结构等细节，需要参考FCM标准和具体的视觉任务。

📊 实验亮点

实验结果表明，FCTM在多个视觉任务中实现了显著的比特率降低，平均降低幅度达到85.14%，同时保持了模型精度的基本不变。这意味着在相同的网络带宽条件下，可以传输更多的特征数据，或者在更低的带宽条件下实现相同的推理性能。该结果验证了FCM标准和FCTM的有效性，为边缘计算的实际应用提供了有力的支持。

🎯 应用场景

该研究成果可广泛应用于智能监控、自动驾驶、智能零售等领域。通过降低边缘设备与云端之间的数据传输量，可以有效降低带宽成本，提高系统响应速度，并保护用户隐私。未来，该技术有望推动更多深度学习模型在资源受限的边缘设备上部署，实现更智能、更高效的边缘计算。

📄 摘要（原文）

Deep neural networks (DNNs) drive modern machine vision but are challenging to deploy on edge devices due to high compute demands. Traditional approaches-running the full model on-device or offloading to the cloud face trade-offs in latency, bandwidth, and privacy. Splitting the inference workload between the edge and the cloud offers a balanced solution, but transmitting intermediate features to enable such splitting introduces new bandwidth challenges. To address this, the Moving Picture Experts Group (MPEG) initiated the Feature Coding for Machines (FCM) standard, establishing a bitstream syntax and codec pipeline tailored for compressing intermediate features. This paper presents the design and performance of the Feature Coding Test Model (FCTM), showing significant bitrate reductions-averaging 85.14%-across multiple vision tasks while preserving accuracy. FCM offers a scalable path for efficient and interoperable deployment of intelligent features in bandwidth-limited and privacy-sensitive consumer applications.