CPU·GPU·FPGA 비전 커널 에너지 효율 비교

초록

본 논문은 임베디드 비전 애플리케이션에서 ARM57 CPU, Nvidia Jetson TX2 GPU, Xilinx ZCU102 FPGA를 대상으로 OpenCV, VisionWorks, xfOpenCV 라이브러리를 이용해 다양한 비전 커널을 벤치마크하고, 실행 시간·에너지·EDP를 측정한다. 단순 커널에서는 GPU가 1.1‑3.2배 에너지 절감 효과를 보였으며, 복합 파이프라인에서는 FPGA가 1.2‑22.3배까지 우수한 에너지 효율을 달성한다. 파이프라인 복잡도가 증가할수록 FPGA의 장점이 두드러진다.

상세 분석

본 연구는 임베디드 비전 시스템에서 흔히 사용되는 세 가지 하드웨어 가속기—멀티코어 CPU(ARM57), GPU(Nvidia Jetson TX2), FPGA(Xilinx ZCU102)—의 에너지 효율을 정량적으로 비교한다. 각 플랫폼은 해당 제조사가 제공하는 최적화 비전 라이브러리(OpenCV, VisionWorks, xfOpenCV)를 사용해 동일한 커널 집합을 실행하도록 설계되었으며, 코드 레벨에서 플랫폼 특화 최적화를 최소화해 재현성을 확보하였다. 측정은 1080p 그레이스케일 영상 1000프레임을 처리하면서 실행 시간, 동적 전력, 정적 전력을 별도 기록하고, 에너지‑딜레이 곱(EDP)까지 계산하였다.

CPU는 NEON SIMD을 활용해 픽셀 단위 연산을 병렬화하지만, 코어 수와 메모리 대역폭이 제한적이다. GPU는 수백 개의 단순 코어와 대용량 L2 캐시(2 MB)를 갖추어 데이터 스트리밍이 빈번한 필터링·컨볼루션에 강점이 있으나, 높은 정적 전력과 브랜칭에 민감한 구조 때문에 복합 파이프라인에서는 효율이 떨어진다. FPGA는 사용자 정의 파이프라인을 구현해 데이터 흐름을 온칩 BRAM에 머무르게 함으로써 메모리 접근 비용을 최소화하고, 연산 유닛을 정확히 필요한 만큼만 배치한다. 이로써 복잡한 메모리 패턴이나 브랜칭이 많은 이미지 분석·기하 변환, 그리고 다단계 합성 커널에서 에너지 효율이 크게 향상된다.

실험 결과는 크게 두 가지 트렌드를 보여준다. 첫째, 단순 연산(채널 변환, 기본 산술)에서는 GPU가 1.1‑3.2배 정도 에너지·프레임당 절감 효과를 보이며, CPU보다 빠른 처리 속도를 유지한다. 둘째, 이미지 필터링·분석·기하 변환·복합 파이프라인(예: 스테레오 매칭, 광류)에서는 FPGA가 1.2‑22.3배까지 에너지 절감 및 낮은 EDP를 기록한다. 특히 파이프라인 단계가 늘어날수록 FPGA의 상대적 우위가 확대되는 것이 확인되었다. 이러한 결과는 하드웨어 선택 시 애플리케이션의 연산 복잡도와 메모리 접근 특성을 고려해야 함을 시사한다.