报告时间：2024年6月28日（周五）19:00-22:30
报告地点：腾讯在线会议 565-278-2672
报告题目：面向三维点云神经网络的高效能算法与体系结构协同设计
报告简介：点云神经网络在自动驾驶、机器人和虚拟现实等新兴三维计算机视觉应用中引起了越来越多的关注。这些应用通常运行在在边缘设备上，且通常需要实时处理，因此对于低延迟和低能耗具有迫切要求。通过深入研究三维点云神经网络的执行机制，发现几何相邻点上表现出了显著的相似性和相关性，这种相关性引入了大量的冗余计算和通信。为了应对这一问题，创新性地提出了一种几何感知的差分点云加速器，称为ldpca，它利用几何相似性来减少点云神经网络的冗余。ldpca由算法和体系结构协同设计支持。在算法层面，ldpca利用几何感知和差分执行机制发现和减少计算冗余和通信冗余。然后设计了一种新的体系结构来支持所提出的算法，并将冗余减少转化为性能提高。ldpca是第一个采用几何相似性来减少三维点云神经网络冗余计算的加速器。
报告人介绍：陈岑,华南理工大学未来技术学院教授，博导，ieee senior member。曾在新加坡科技研究院、资讯与通信研究所担任高级别研究员（scientist iii）。研究方向为面向大数据和人工智能的高效能计算、并行与分布式计算。已累计在权威学术期刊和会议上发表论文60余篇。其中一作或通讯作者论文36篇，包括ieee& acm长文或ccf a类期刊论文22篇（ieee tc、tpds、jsac、tnnls等）, ccf a类会议论文6篇（hpca、micro、dac等）。获得湖南省优秀博士论文、湖南省计算机学会优秀博士论文、acm 中国新星（changsha chapter）。近年来，主持或者主研中国-新加坡自然科学基金国际(区域)合作与交流重点项目、华为eda软件合作项目、新加坡国家人工智能项目、中国自然科学基金人工智能应急重点项目等。
