本系統架構包含一個深度語意分割網路，以及一個深度光流預測網路。前者準確度高，但速度慢。後者準確度低，但速度快。我們提出一個使用決策網路的分法，來決定何時該使用前者網路，何時該使用後者網路。我們更進一步提出圖幀分割的方法，來更進一步加速架構的吞吐量。本論文發表於2018年的CVPR研討會。

本研究為CVPR 2018所發表之論文，最主要的貢獻為提出一個動態影像語意分割的架構，此架構首先提出使用決策網路，決定輸入圖幀要分配給與語意分割神經網路，或光流神經網路。本研究更進一步提出使用動態排程的方法，決定輸入圖幀該於多久更新Key frames。

本計畫研發多項深度學習技術並應用至智慧機器人視覺的實際問題，預期對學術界可產生重要的貢獻。本計畫研發的視覺深度學習技術，可以作為底層模組，提供業界開發相關的前端應用。同時，本計畫整合基礎數學、電腦視覺、機器學習、晶片設計與計算系統研究，培育相關人才。