CVPR 2026 엣지 AI 데모: Hailo-8L과 Snapdragon에서 실행한 LibreYOLO

LibreYOLO가 CVPR 2026에 소개됐습니다.

CVPR은 세계에서 가장 권위 있는 컴퓨터 비전 학회로 널리 인정받고 있습니다. 올해는 덴버에서 열렸으며, Jabra와 코펜하겐 IT 대학교 팀이 "Edge AI in Action: Mastering On-Device Inference"라는 튜토리얼을 진행했습니다. 이 팀은 엣지 칩에서 객체 탐지를 실행하는 예제 모델로 LibreYOLOXs를 선택했습니다.

구현 내용

튜토리얼에서는 엣지 파이프라인 전체를 처음부터 끝까지 다뤘습니다. LibreYOLOXs 모델에서 시작해 ONNX로 내보낸 다음, 서로 다른 두 하드웨어인 Hailo-8L 가속기와 Qualcomm Snapdragon용으로 ONNX를 컴파일했습니다.

Hailo-8L에서 실시간 실행

ONNX를 Hailo Dataflow Compiler로 HEF로 컴파일한 다음, Hailo-8L AI HAT을 장착한 Raspberry Pi 5에서 실행했습니다.

Raspberry Pi에서 프레임당 19.0 ms, 52.6 FPS로 실행됐습니다.

Snapdragon에서 실시간 실행

Qualcomm 쪽에서는 LibreYOLOXs를 INT8로 양자화하고 SNPE, QAIRT, AI Hub 스택을 통해 실행했으며, QCS6490에서 벤치마크했습니다.

HTP/DSP에서 6.69 ms를 기록했습니다.

감사 인사

프로젝트를 소개해 주신 Sai Narsi Reddy Donthi Reddy, Fabricio Batista Narcizo, Elizabete Munzlingera, Shan Ahmed Shaffi께 진심으로 감사드립니다.

• 튜토리얼 및 슬라이드: Edge AI in Action: 온디바이스 추론 마스터하기
• Qualcomm 양자화 LibreYOLOXs 모델: Hugging Face에서 확인

사용해 보기

pip install libreyolo

from libreyolo import LibreYOLO

model = LibreYOLO("LibreYOLOXs.pt")
model.export(format="onnx")   # then compile for your edge target

LibreYOLO는 MIT 라이선스를 따르며 Linux, Mac, Windows에서 실행되고, 코드 변경 없이 GPU, Apple Silicon, 일반 CPU에서 작동합니다. 하나의 API로 YOLOX, RF-DETR, D-FINE, DEIM, YOLO-NAS, 분할, 자세 추정, 깊이 추정 등을 사용할 수 있습니다.

GitHub에서 Star를 눌러 주세요: github.com/LibreYOLO/libreyolo | 문서: libreyolo.com/docs