Ouroboros acelera la IA de vídeo en el edge 2.61×

Un equipo del College of Engineering de la Universidad Nacional de Seúl afirma que su sistema Ouroboros puede hacer que el análisis de vídeo con transformers de visión (vision transformers) funcione 2.61× más rápido en dispositivos edge, usando solo el 13.0% del cómputo que requieren los métodos convencionales. En pruebas en hardware NVIDIA Jetson Orin, los investigadores reportaron una reducción del 87.0% en la carga computacional y una caída del 64.5% en el consumo de energía, manteniendo la pérdida de precisión por debajo del 1% para detección de objetos y segmentación por instancias.

El trabajo fue liderado por Kyunghan Lee, profesor del Departamento de Ingeniería Eléctrica y de Computadoras, y fue presentado de forma oral el 23 de junio en ACM MobiSys 2026, celebrado del 22 al 24 de junio en Cambridge, Reino Unido.

Los sistemas actuales de IA para vídeo a menudo desperdician cómputo al reprocesar información visual que apenas cambia de un fotograma a otro. Eso resulta especialmente costoso para los transformers de visión, que dividen las imágenes en muchos parches y calculan relaciones entre todos ellos, aumentando la demanda de memoria y cómputo en dispositivos como smartphones, robots y drones.

Ouroboros aborda esto rastreando el movimiento en lugar de basarse solo en las posiciones de los píxeles o en las diferencias entre fotogramas. El sistema utiliza vectores de movimiento de codificadores de vídeo por hardware para identificar la información visual que persiste entre fotogramas consecutivos, incluso cuando los objetos o los fondos se desplazan. Luego recalcula únicamente las regiones con cambios significativos y reutiliza los resultados previos en el resto.

Los investigadores también introdujeron un espacio de entrada toroidal para que los objetos que cruzan los bordes izquierdo-derecho o superior-inferior de un fotograma puedan seguir siendo tratados como continuos. Lo emparejaron con una estructura de cómputo diseñada para reducir los costos de acceso a memoria, de modo que la menor demanda computacional se traduzca en ganancias reales de velocidad y energía.

Recomendado

OVH parcheó Januscape con reinicios masivos y una prueba en Sídney

El equipo afirma que el enfoque es una tecnología a nivel de sistema, no un nuevo modelo de transformer de visión, lo que debería facilitar su aplicación a los modelos de IA para vídeo existentes. También reportaron beneficios en configuraciones edge-servidor, donde Ouroboros alcanzó mayor precisión con menor ancho de banda de red que los métodos actuales.

Lee dijo que el grupo planea comercializar la tecnología con empresas de IA física y de semiconductores para IA.

“Esta investigación es significativa en que asegura una tecnología central capaz de abordar simultáneamente los cuellos de botella tanto computacionales como de red, que han sido obstáculos importantes para la implementación de sistemas de IA física, incluidos los sistemas humanoides. Planeamos perseguir activamente la comercialización de Ouroboros en colaboración con empresas de IA física y de semiconductores para IA.”

El artículo es “Ouroboros: Instilar conciencia de movimiento en ViTs para análisis de vídeo eficientes en el edge” de Chanjeong Park et al., publicado en las Actas de la 24.ª Conferencia Internacional Anual sobre Sistemas Móviles, Aplicaciones y Servicios (MobiSys) (2026), DOI: 10.1145/3745756.3809212.