Bridging the Edge-Cloud Barrier for Real-time Advanced Vision Analytics

hotcloud的短文，用超分重建从client传来的低分辨率视频，超分模型部分的idea基本和infocom21，然后扩刊TCC22的那篇一样，就是加一个和视频分析有关的loss。

两个重要设计：

1. 用神经网络的方法去预测一个帧和上一个key frame之间的差别，去预测segmentation maps的偏移程度，决定该帧的重要性；

1. 在一些金字塔输入结构的网络中，可以省掉下采样的操作，因为传的就是低分辨率视频。

即使超分好用，还是可能出现性能骤降的情况，还是需要一个knob policy去调节清晰度。

文章还提出一些Discussion：

1. 神经网络插帧，进一步降低带宽需求（不太现实，相当于要预测物体移动）；
2. 怎么为基于神经网络的系统兜底；
3. video analytics 关注的视频质量指标到底是什么；
4. 用视频数据线上学习。