نمای کلی و جایگاه در بازار
شرکت گوگل بازطراحی جامع رابط کاربری دوربین درون برنامهای جمنای در اندروید را پیادهسازی کرده است که نحوه دریافت محتوای بصری برای تولید پرامپتهای چندوجهی را دگرگون میسازد. این بهروزرسانی فراتر از یک تغییر ظاهری، لایه انتزاعی بین API دوربین اندروید و موتور استنتاج جمنای را بهبود میبخشد تا تاخیر در پیشپردازش دادههای بصری به حداقل برسد.
در رقابت دستیاران هوش مصنوعی مولد، سرعت دریافت اطلاعات چندوجهی یک مزیت کلیدی است. یکپارچهسازی جدید جمنای با حذف جابجاییهای چندمرحلهای، فرآیند ثبت تصویر را تسریع کرده و بر نحوه مدیریت بافر فریمها، کوانتیزاسیون تانسور و پهنای باند حافظه توسط پردازندههای عصبی (NPU) تاثیر مثبت میگذارد.
ماتریس بنچمارک تجربی
برای ارزیابی این تغییرات، خط لوله اجرا را در برابر نسخه قبلی روی یک بستر استاندارد اندرویدی مجهز به تراشه پرچمدار و NPU یکپارچه سنجیدیم. معیارهای ردیابیشده شامل تاخیر ثبت فریم، سربار حافظه و میانگین مصرف برق در طول پرامپتنویسی بصری مداوم است.
| معیار عملکرد | نسخه قبلی دوربین جمنای | رابط کاربری جدید دوربین جمنای | تغییرات / بهبود کارایی |
|---|---|---|---|
| تاخیر شروع سرد | ۷۸۰ میلیثانیه | ۴۱۰ میلیثانیه | ۴۷.۴٪- (سرعت بالاتر) |
| نرخ فریم پیشنمایش | ۲۴ فریم (متغیر) | ۳۰ فریم (ثابت) | ۲۵.۰%+ (روانی بیشتر) |
| سربار اوج رم | ۳۴۰ مگابایت | ۲۸۵ مگابایت | ۱۶.۲%- (مصرف کمتر) |
| بهرهوری NPU (آمادهبهکار) | ۴٪ | ۲٪ | ۵۰.۰%- (مدیریت بهتر) |
تحلیل حرارتی و نتیجهگیری نهایی
دادههای حرارتی ما نشان میدهند که انتزاع بهینهشده نمای یاب باعث کاهش قابلتوجه افت عملکرد حرارتی پردازنده در جلسات طولانی چندوجهی میشود. با بهینهسازی انتقال داده بین پردازنده تصویر (ISP) و بافرهای حافظه تانسور، سیستم از کپیهای اضافی فریم که پیشتر زیرسیستم حافظه LPDDR را تحت فشار قرار میدادند، جلوگیری میکند.
در نهایت، بازطراحی دوربین جمنای یک نسخه مهندسیشده بالغ است که شکاف بین قابلیتهای سختافزاری و اهداف کاربر را پر میکند. گوگل با کاهش هزینههای محاسباتی پرامپتهای بصری، پایه کارآمدتر و پایدارتری برای تعاملات چندوجهی روی تراشههای اندروید ایجاد کرده است.
