CrowdCC：人群计数中图像退化鲁棒性与部署量化的联合基准测试
英文标题：CrowdCC: Jointly Benchmarking Corruption Robustness and Deployment Quantization in Crowd Counting
部署在边缘设备上的人群计数模型面临双重挑战：输入图像在采集与传输管线中常发生质量退化，而模型自身需经过低比特量化以适配严苛的硬件资源限制。针对以往研究将退化鲁棒性与部署量化割裂评测的问题，研究团队提出了 CrowdCC 联合基准测试。该基准首次系统性地联合评估了人群计数模型在多种输入损坏与不同部署量化方案下的综合表现。这为边缘端密集视觉任务的量化部署、抗干扰算法设计及实际工程落地提供了关键的评测参考与指导。
打开原文相关 1.6 · 机会 0
2.0 KB
640 B
612 B
380 B
24.2 KB
34.7 KB
中文
CrowdCC：人群计数中图像退化鲁棒性与部署量化的联合基准测试
论文编号：arXiv:2610.36340v1
公布类型：最新提交（Announce Type: new）
摘要
部署在边缘设备上的人群计数模型通常面临双重分布偏移挑战：一方面，输入图像在成像采集与网络传输管线中容易发生退化与损坏；另一方面，模型必须经过量化处理以满足受限的边缘资源。然而，现存研究通常将图像退化鲁棒性（Corruption Robustness）与部署量化（Deployment Quantization）割裂评估，无法真实反映模型在实际边缘环境中的表现。
为此，本研究提出了 CrowdCC，用于联合评测人群计数模型在复杂图像退化与部署量化双重影响下的鲁棒性表现与性能折元。
BibTeX 格式引用
×
English / 原文
BibTeX formatted citation
×