纽约大学与Meta联合提出FovealSeg，实现XR毫秒级IOI分割破算力瓶颈

纽约大学与 Meta Reality Labs 提出 Foveated Instance Segmentation 方法，利用眼动追踪信息优化 XR 场景下的实例分割任务。通过聚焦用户注视点区域，该方法将延迟从 300 ms 降至 84 ms，同时在 Jetson Orin NX 测试中将 FLOPs 降低至基线的 1/75。FSNet 的创新设计显著提升了分割效率与精度，为 XR 设备及实时计算任务提供了高效能解决方案，未来有望成为行业默认范式。
来源：https://mp.weixin.qq.com/s/8oVeVPN4DqXXtk47ikqe4Q