arXiv cs.AI· Zhimin Li, Pan Wang, Jingxian Chen, Yuantao Tang, Qian Lou, Jingtong Hu·· 3 天前AI 评分31
SAGE：智能眼镜上高效的受保护视觉语言推理
SAGE: Efficient Protected Vision-Language Inference on Smart Glasses
AI 导读
SAGE 是一个面向智能眼镜的硬件感知受保护 VLM 推理框架，将原始图像与未受保护的视觉 token 留在可信设备上，并把受保护表示压缩为 256 维 INT8 数据包后再传输。
正文 · AI 翻译
摘要：智能眼镜是视觉语言助手的一个有前景的平台，但私有拆分推理仍然成本高昂：在传输前保护视觉表示并不能消除设备端视觉编码、宽保护令牌或硬件无感知执行的成本。我们提出 SAGE（Smart-glasses-Aware Guarded Encoding，智能眼镜感知保护编码），一个面向智能眼镜的高效受保护 VLM 推理的硬件感知框架。SAGE 将原始图像和未受保护的视觉令牌保留在可信设备上，降低视觉输入成本，执行形状特化的 INT8 图，并在传输前将受保护表示压缩为紧凑的 256 维 INT8 数据包。与仅针对标称模型大小优化的效率方法不同，SAGE 使用下游答案质量以及在真实 Mentra Live 眼镜上测得的延迟、内存和热行为来选择其工作点。在匹配的 Qwen 工作负载上，SAGE 将眼镜推理延迟降低 39.18%，设备传感器温升降低 21.91%，受保护数据包大小降低 96.56%，同时保留受保护参考的 85.62% 宽松效用和可比的提示遏制。直接的眼镜到手机测试成功传输全部 192 个数据包，并将数据包加确认的中位时间从 71.3 毫秒降低到 10.0 毫秒。紧凑的受保护接口还可迁移到另外四个 VLM 系列。这些结果表明，私有可穿戴 VLM 推理必须在表示保护、通信和真实设备执行方面联合优化，而不能仅通过模型压缩来实现。
| 评论： | 18 页，9 张图 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；计算工程、金融与科学（cs.CE） |
| 引用为： | arXiv:2610.14089 [cs.CR] |
| （或 arXiv:2610.14089v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14089 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Zhimin Li [查看电子邮件]
[v1]
2026 年 10 月 8 日星期四 17:36:14 UTC（4,793 KB）
来源：arXiv cs.AI · arxiv.org