Fundado en 2015 y dirigido por el profesor Yung-Hsiang Lu en la Universidad de Purdue, el LPCVC ha atraído a equipos de todo el mundo que presentan soluciones innovadoras a diversos problemas de visión.
El Desafío de Visión Computacional de Bajo Consumo (LPCVC) es una competencia anual organizada por el Instituto de Ingenieros Eléctricos y Electrónicos (IEEE) para mejorar la eficiencia energética de las tecnologías de visión computacional en sistemas con recursos limitados. Fundado en 2015 y dirigido por el profesor Yung-Hsiang Lu en la Universidad de Purdue, el LPCVC ha atraído a equipos de todo el mundo que presentan soluciones innovadoras a diversos problemas de visión.
Este desafío ha tenido un impacto significativo tanto en la investigación académica como en las prácticas de la industria, como lo demuestra la participación de numerosos grupos de investigación de renombre y empresas tecnológicas líderes como participantes o patrocinadores. Estas participaciones subrayan el amplio reconocimiento del papel de LPCVC en el avance de las soluciones de visión artificial energéticamente eficientes.
Introducción de LPCVC 2025
Qualcomm Technologies, conocida por sus avances en tecnologías de IA de vanguardia y de bajo consumo, impulsó el LPCVC 2025 para destacar la importancia de equilibrar la precisión y la eficiencia en las soluciones de Visión Artificial (CV) para dispositivos de borde con limitaciones de energía.
Qualcomm AI Hub es una plataforma en línea con una amplia gama de dispositivos de borde avanzados de Qualcomm para probar sus modelos. La plataforma ofrece opciones de rendimiento detalladas para la compilación, el perfilado, la cuantificación y la inferencia de modelos, lo que la convierte en la plataforma principal para la iteración y evaluación de modelos.
La colaboración entre el equipo de Visión Artificial de Qualcomm y estudiantes de las Universidades de Purdue y Lehigh combina la experiencia en el sector con la innovación académica.
El equipo de Visión Artificial de Qualcomm definió las tareas para cada área, aprovechando su amplia experiencia en tecnología de vanguardia. Los estudiantes contribuyeron recopilando datos de pruebas y gestionando el proceso de evaluación, aportando nuevas perspectivas y rigurosas metodologías académicas al desafío.
Para cubrir diferentes aspectos del campo de investigación, el LPCVC 2025 ofreció 3 itinerarios:
Pista 1: Clasificación de imágenes para diferentes condiciones y estilos de iluminación
• Pista 2: Segmentación de vocabulario abierto con indicaciones de texto
• Pista 3: Estimación de profundidad relativa monocular
Para cada pista, LPCVC proporciona modelos de referencia para que los participantes experimenten. Cada equipo desarrollará sus soluciones utilizando hardware específico para la pista (Snapdragon 8 Elite para las pistas 1 y 3, y Snapdragon X Elite para la pista 2) a través de la plataforma Qualcomm AI Hub.
Una vez finalizado el desarrollo, la solución se envió como un trabajo compilado a Qualcomm AI Hub y se compartió con la cuenta de LPCVC como administrador de envíos. Este administrador extraerá el ID del modelo del trabajo compilado para evaluarlo en el conjunto de datos de pruebas interno.
Finalmente, los puntajes de la evaluación se actualizarán en la tabla de clasificación en el sitio web de LPCVC.
Un flujo de trabajo completo es el siguiente:
Además del premio en efectivo y la computadora portátil con procesador Snapdragon X Elite proporcionada en nombre de Qualcomm Technologies, los ganadores de cada pista están invitados a nuestro taller, el 8.º Aprendizaje profundo eficiente para visión por computadora , en la Conferencia sobre visión por computadora y reconocimiento de patrones de 2025 (CVPR 2025) en junio.
Descripción general de la participación
Al igual que en ediciones anteriores del LPCVC, la competición de 2025 despertó un gran interés global, tanto del sector académico como del industrial. Se inscribieron un total de 77 equipos en las tres modalidades, representando a 25 países y regiones diferentes.
Cabe destacar que India, China, Corea del Sur y Estados Unidos tuvieron el mayor número de equipos participantes.
Resultados de la presentación
Las soluciones ganadoras de cada pista del Low-Power Computer Vision Challenge (LPCVC) superaron significativamente a las soluciones de referencia, demostrando avances notables en precisión y eficiencia.
| Pista 1 | Exactitud | Tiempo |
| Ganador | 0,97 | 1.961 μs |
| Base | 0.69 | 419 μs |
La pista 1 se centró en la clasificación de imágenes, y la solución ganadora alcanzó una impresionante precisión de 0,97, en comparación con la precisión de 0,69 de la solución base. Esto representa una mejora sustancial de aproximadamente el 40,6 % en la capacidad del modelo para clasificar imágenes correctamente.
Dada la alta saturación de la tarea de clasificación de imágenes en visión artificial, esta mejora es especialmente notable.
Además, la solución ganadora completó sus tareas en 1961 microsegundos, un tiempo inferior a los 419 microsegundos de la solución base. A pesar del aumento de tiempo, la notable mejora en la precisión subraya la eficacia del modelo ganador.
| Pista 2 | mIOU | Tiempo |
| Ganador | 0.61 | 515,18 ms |
| Base | 0.46 | 863,42 ms |
La pista 2 consistió en una segmentación de vocabulario abierto con indicaciones de texto. La solución ganadora obtuvo una puntuación media de Intersección sobre Unión (mIOU) de 0,61, superando la puntuación de 0,46 de la solución de referencia. Esto indica una mejora significativa en la capacidad de segmentación del modelo.
La solución ganadora completó sus tareas en 515,18 milisegundos, un tiempo superior a los 863,42 milisegundos de la solución de referencia, lo que demuestra una mayor precisión y eficiencia.
| Pista 3 | Puntuación F | Tiempo |
| Ganador | 83.80 | 29,79 ms |
| Base | 62.37 | 24,09 ms |
La pista 3 se centró en la estimación de la profundidad relativa monocular, y la solución ganadora obtuvo una puntuación F de 83,80, en comparación con la puntuación de 62,37 de la solución de referencia. Esto demuestra una mejora notable en la capacidad del modelo para estimar la profundidad con precisión.
La solución ganadora también completó sus tareas en 29,79 milisegundos, ligeramente más lento que los 24,09 milisegundos de la solución de referencia. A pesar del aumento marginal en el tiempo, el aumento significativo en la puntuación F subraya el rendimiento superior del modelo ganador.
Qualcomm AI Hub en acción
Tras el anuncio del concurso LPCVC de 2025, el interés y la participación fueron inmediatos. La comunidad de Slack de Qualcomm AI Hub , donde el equipo interactúa con los clientes de su plataforma y debate sobre IA en dispositivos, ganó popularidad entre los participantes de LPCVC.
Durante el concurso, el canal #lpcvc cobró gran impulso, lo que incrementó la participación y las conversaciones en la comunidad de Slack.
Qualcomm AI Hub es una plataforma que busca liderar la industria en la optimización de IA en dispositivos. Ha atraído a más de 10.000 usuarios de 1.500 empresas en poco más de un año desde su lanzamiento.
La competencia LPCVC 2025 ha expandido su uso en el ámbito académico, con más del 90% de los participantes provenientes del ámbito académico.
Aprovechar Qualcomm AI Hub no solo beneficia a los expertos de la industria al proporcionar herramientas de vanguardia para preparar modelos para su implementación en dispositivos, sino que la plataforma y los recursos también fomentan la colaboración y la innovación entre investigadores del ámbito académico.
Qualcomm AI Hub está abierto a todo el mundo. Los desarrolladores pueden registrarse para empezar y ver todos los dispositivos disponibles para probar su modelo de IA.
Cualquier desarrollador puede traer su propio modelo a Qualcomm AI Hub para optimizarlo: compilarlo y cuantificarlo, perfilarlo mediante inferencia en dispositivos reales para garantizar que se cumplan los requisitos de rendimiento y validar la precisión antes de descargar el modelo optimizado para su implementación.
Reconocimiento
Queremos expresar nuestro sincero agradecimiento a la Universidad de Purdue, la Universidad de Lehigh y la Universidad Loyola de Chicago por su colaboración en la organización de la LPCVC 2025.
Agradecemos profundamente el apoyo del programa de Relaciones Universitarias de Qualcomm, el Centro de IA de Qualcomm y el Equipo de Visión por Computadora de Qualcomm.
¿Que sigue?
Visite el sitio web del Low-Power Computer Vision Challenge (LPCVC) para obtener más información.
Mire nuestra transmisión de presentación de 2025 LPCVC en el seminario web de OpenCV en YouTube.
Regístrate en el boletín para desarrolladores para recibir actualizaciones sobre futuros desafíos de LPCVC.
Qualcomm Blog. X. H. y S. Z. Traducido al español
Contacto