주시 추정(gaze estimation)은 인간-컴퓨터 상호작용에서 널리 사용되는 과제로서, 운전자 모니터링 시스템부터 인간 보조 기술에 이르기까지 다양한 응용 분야를 포괄한다. 그러나 제한된 연산 자원과 높은 에너지 효율이 요구된다는 점 때문에, 엣지 기기에서 견고하고 실시간 성능을 달성하는 것은 여전히 도전적이다. 본 연구에서는 향상된 효율을 위해 딥러닝 가속기(Deep Learning Accelerators, DLAs)의 고유한 기능을 활용하여 NVIDIA Jetson 플랫폼에 최적화된 새로운 주시 추정 모델을 제안한다. 우리 모델은 DLA 실행을 위해 설계된 보정(calibration) 모듈을 포함하며, 얼굴 검출 단계 이후의 견고성을 개선하기 위해 합성곱 기반의 공간 및 채널 주의(attention)를 통합한다. GPU와 DLA에 연산 작업을 전략적으로 분배함으로써, 본 접근법은 보정 모듈이 없는 시스템과 비교하여 최대 88%까지 에너지 효율을 향상시킨다. 따라서 본 모델은 자원이 제한된 환경에서의 실시간 엣지 기반 응용에 적합하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.