Meta探索从计算机视觉架构设计提升XR设备的便携性和性能
XR技术在娱乐、通信、广告、教育、医疗保健、国防、机器人、智能制造、人机交互等领域有广泛应用。但随着XR应用程序的计算密集度增加,设计便携式XR设备和系统面临新的挑战。当前便携式XR设备受限于本地设备的功率、计算能力和内存容量,需要依赖高性能计算服务器进行繁重的计算,但存在用户体验不完整与不无缝、数据传输开销、用户隐私和安全问题的缺点。
XR系统基于计算密集型人工智能技术被认为是未来的自然用例,并在XR-AI硬件的边缘设计空间探索中发展。研究人员分析了两种XR特定的计算机视觉人工智能工作负载,并对三种架构进行了XR-AI应用程序的基准测试,研究了它们在不同工艺节点的技术可扩展性。研究结果表明,引入MRAM非波动性内存可以节省存储器能量,并且MRAM替代SRAM可以显著减少面积。但根据工作负载的性质和应用程序的要求,需要仔细调整NVM和SRAM之间的拆分比例以达到最佳结果。
该研究对于设计未来的便携式XR系统和提高性能具有重要意义。