Efficient Deep Learning Inference in Web Browsers and Wearable Edge Computing
연구 내용
WebAssembly 환경에서 딥러닝 추론 효율을 높이고 웨어러블 엣지 컴퓨팅 프레임워크로 연결하는 연구
본 연구는 브라우저에서 딥러닝 추론을 수행할 때 발생하는 실행 지연과 이식성 문제를 줄이기 위해 WebAssembly 기반의 구현 프레임워크를 다룹니다. 웹 애플리케이션에서 모델 추론을 효율적으로 처리하도록 구성하여 Deep Web 활용 시나리오에서 응답성을 확보하는 것을 목표로 합니다. 또한 웨어러블 기기 업사이클링을 기반으로 수면 헬스케어를 위한 웨어러블 엣지 컴퓨팅 프레임워크를 수행하며, 현장 데이터 처리 요구를 반영한 시스템 구성을 검토합니다. 이를 통해 웹 기반 추론과 엣지 처리 간 연계를 지향합니다.
관련 연구 성과
관련 논문
1편
관련 특허
0건
관련 프로젝트
1건
연구 흐름
초기에는 웨어러블 엣지 컴퓨팅에서 수면 헬스케어 데이터의 수집-처리 흐름을 정리하고, 기기 제약을 고려한 프레임워크 요구사항을 도출했습니다. 이후 브라우저 환경으로 추론 기능을 확장하기 위해 WebAssembly 기반 구현 방식을 적용하고, 웹 애플리케이션 상에서의 추론 수행 가능성과 효율성을 검토했습니다. 최근에는 웹 기반 추론과 현장 엣지 처리를 함께 고려하는 관점에서 시스템 통합 방향을 정리하며, 웨어러블 데이터 활용 시나리오로 연결하는 연구를 수행했습니다.
활용 가능성
활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.
관련 논문
구분
제목
A Hybrid JavaScript–WebAssembly Framework for Efficient Deep Learning Inference in Web Browsers
관련 프로젝트
구분
제목
웨어러블 기기 업사이클링을 통한 수면 헬스케어를 위한 웨어러블 엣지 컴퓨팅 프레임워크 연구