新加坡國立大學(NUS)研究團隊已開發出名為「EQSCALE」的微型視覺處理芯片。此芯片能以極低功耗從視訊中捕捉視覺細節，功耗比同類最佳芯片低20倍，因此能將智能視覺系統的體積縮小到毫米級，能借毫米級太陽能電池連續供電，毋須更換電池，可用于安全監視、建筑能源管理等廣泛物聯網(IoT)應用。

據報導，在NUS工程學院電子暨計算機工程系副教授Massimo Alioto領導下，該團隊開發將近可永久使用的毫米級智能監視器的重要一步。它還將為IoT應用鋪平道路，如機場和關鍵基礎設施中無處不在的安全監視、建筑能源管理、工作場所安全和老年護理。

視訊特征擷取芯片是用來擷取智能監視器拍攝的視覺細節，并將其轉化為令人感興趣的點和邊緣以供進一步分析。視訊特征擷取是任何計算機視覺系統的基礎，可自動檢測、分類和追蹤視覺場景中的物體。

但它需在每幀中連續進行，因此會界定出智能視覺系統的最小功率，乃至于最小的系統尺寸。之前用于擷取特征的先進芯片的功耗介于幾毫瓦到幾百毫瓦，分別是智能手表和智能型手機的平均功耗。

為實現接近永久的運行，這種裝置雖能由太陽能電池供電，但需要厘米級或更大尺寸的太陽能電池，因此對其小型化構成根本限制。若要將其縮小到毫米級，就須將功耗降到小于1毫瓦。

Alioto表示，IoT應用須使用大規模的分布式傳感器，然因高功耗及尺寸限制，使用壽命長的視覺電子系統目前不適用于IoT應用。但EQSCALE芯片已克服這些挑戰，并已證明無處不在、永遠在線的智能監視器的可行性。

NUS工程團隊的EQSCALE芯片可在0.2毫瓦的功率下進行連續的特征擷取，功耗比現有技術低20倍。這意味著智能視覺系統小型化的重大進步。這種新型特征擷取器的每側都小于1毫米，且能透過僅幾毫米大小的太陽能電池連續供電。

據Alioto解釋，此技術突破是透過能量∕質量調整(energy-quality scaling)的概念來實現，在所消耗能量和擷取的特征質量間做調整，模擬人類觀察視覺場景時專注度的動態變化，并根據手頭任務以不同的細節和質量處理視覺場景。就算因目標質量下降而遺漏大量興趣點也能正確辨識對象。

EQSCALE芯片是邁向未來可永久運行的毫米級視覺系統的關鍵一步。NUS研究團隊正在研發一種小型化計算機視覺系統，該系統包括配備此芯片的智能監視器，以及用于理解視覺場景的機器學習引擎。最終目標是為大范圍和無處不在的視覺監控，提供大規模分布式視覺系統，遠遠超越傳統的監視器概念。