Earticle

현재 위치 Home

Communication & Intelligent Networks

OpenVINO-based Mixed- Precision Quantization for Accelerating RTMPose Inference

첫 페이지 보기
  • 발행기관
    국제인공지능학회(구 한국인터넷방송통신학회) 바로가기
  • 간행물
    International Journal of Internet, Broadcasting and Communication 바로가기
  • 통권
    Vol.17 No.4 (2025.11)바로가기
  • 페이지
    pp.328-337
  • 저자
    Jeongun Jin, Seongchan Park, Shinhyup Lee, Seunghyun Lee, Soonchul Kwon
  • 언어
    영어(ENG)
  • URL
    https://www.earticle.net/Article/A486491

※ 원문제공기관과의 협약기간이 종료되어 열람이 제한될 수 있습니다.

원문정보

초록

영어
Post-Training Quantization (PTQ), a method for model quantization without the need for retraining, is under active investigation for the deployment of real-time human pose estimation techniques on resourceconstrained edge devices. However, conventional PTQ techniques exhibit a critical limitation when applied to the SimCC output format utilized by the RTMPose model, leading to severe performance degradation due to the high sensitivity of its coordinate representation. This study proposes an optimization framework to overcome this challenge by systematically identifying optimal quantization targets through a Singular Value Decomposition (SVD)-based sensitivity analysis and by correcting the distorted output distribution via realtime post-processing. Experimental results demonstrate that the proposed framework achieves a 1.56-fold model compression while successfully retaining 88.8% of the accuracy of the original FP32 model. This research is anticipated to significantly enhance the practical deployment of models with sensitive output architectures, such as RTMPose, thereby contributing to a wide range of applications in real-time human pose estimation.

목차

Abstract
1. Introduction
2. Background and Related Work
3. Proposed RTMPose Optimization Method
3.1 Overall Optimization Pipeline
3.2 SVD-based Quantization Sensitivity Analysis
3.3 Distribution Correction Technique
4. Experiments and Results
4.1 Experimental Environment
4.2 Evaluation Metrics
4.3 Experimental Results
5. Discussion and Conclusion
Acknowledgement
Reference

키워드

Human Pose Estimation Model Quantization Mixed-Precision RTMPose Edge Computing SVD-based Sensitivity Analysis

저자

  • Jeongun Jin [ M.S. Student, Department of Interdisciplinary Information System, Kwangwoon University, Republic of Korea ]
  • Seongchan Park [ Ph.D. Student, Department of Plasma Bio Display, Kwangwoon University, Republic of Korea ]
  • Shinhyup Lee [ Ph.D. Student, Department of Plasma Bio Display, Kwangwoon University, Republic of Korea ]
  • Seunghyun Lee [ Professor, Department of Plasma Bio Display, Kwangwoon University, Republic of Korea ]
  • Soonchul Kwon [ Associate Professor, Department of Plasma Bio Display, Kwangwoon University, Republic of Korea ] Corresponding Author

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    국제인공지능학회(구 한국인터넷방송통신학회) [The International Association for Artificial Intelligence]
  • 설립연도
    2000
  • 분야
    공학>전자/정보통신공학
  • 소개
    인터넷방송, 인터넷 TV , 방송 통신 네트워크 및 관련 분야에 대한 국내는 물론 국제적인 학술, 기술의 진흥발전에 공헌하고 지식 정보화 사회에 기여하고자 한다.

간행물

  • 간행물명
    International Journal of Internet, Broadcasting and Communication
  • 간기
    계간
  • pISSN
    2288-4920
  • eISSN
    2288-4939
  • 수록기간
    2009~2025
  • 십진분류
    KDC 326 DDC 380

이 권호 내 다른 논문 / International Journal of Internet, Broadcasting and Communication Vol.17 No.4

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.