This page organizes papers related to artificial intelligence published around the world. This page is summarized using Google Gemini and is operated on a non-profit basis. The copyright of the paper belongs to the author and the relevant institution. When sharing, simply cite the source.
Continual Error Correction on Low-Resource Devices
Created by
Haebom
Category
Empty
저자
Kirill Paramonov, Mete Ozay, Aristeidis Mystakidis, Nikolaos Tsalikidis, Dimitrios Sotos, Anastasios Drosou, Dimitrios Tzovaras, Hyunjun Kim, Kiseok Chang, Sangdok Mo, Namwoong Kim, Woojong Yoo, Jijoong Moon, Umberto Michieli
개요
일상적인 장치에서 AI 모델의 확산은 사용자 경험을 저하시키는 예측 오류라는 중요한 문제를 강조합니다. 기존 솔루션은 오류 감지에 초점을 맞추지만, 특히 리소스가 제한된 장치에 대해 효율적인 수정 메커니즘을 거의 제공하지 않습니다. 본 논문에서는 최소한의 계산 리소스와 저장이 필요한 소수 샷 학습을 통해 사용자가 AI 오분류를 수정할 수 있도록 하는 새로운 시스템을 제시합니다. 이 접근 방식은 서버 측 기반 모델 학습과 장치 내 프로토타입 기반 분류를 결합하여 모델 재훈련이 아닌 프로토타입 업데이트를 통해 효율적인 오류 수정을 가능하게 합니다. 시스템은 (1) 견고한 특징 표현을 기반 모델에서 장치 호환 아키텍처로 지식 증류를 활용하는 서버 측 파이프라인과 (2) 프로토타입 적응을 통해 매우 효율적인 오류 수정을 가능하게 하는 장치 측 메커니즘의 두 가지 주요 구성 요소로 구성됩니다. Food-101 및 Flowers-102 데이터 세트에서 원샷 시나리오에서 50% 이상의 오류 수정을 달성하는 동시에 최소한의 망각(0.02% 미만)과 무시할 수 있는 계산 오버헤드를 유지하면서 이미지 분류 및 객체 감지 작업에서 시스템의 효과를 입증했습니다. Android 데모 앱을 통해 검증된 구현은 실제 시나리오에서 시스템의 실용성을 증명합니다.