视觉处理单元

视觉处理单元与视频处理单元（专门用于视频编解码）不同，前者更适合运行机器视觉算法，如CNN（卷积神经网络）、SIFT（尺度不变特征转换）和类似算法。

它们可能包括从摄像头获取数据的直接接口（途径任意片外缓冲器），强调在拥有许多暂存器的并行计算单元间的片上数据流，如多核DSP。但是像VPU一样，它们可能专注于图像处理中的低精度定点数运算。

VPU与GPU不同，GPU包含用于栅格化和材质贴图（三维计算机图形）的专门硬件，其存储器结构优化为在片外内存中操作位图图像（采用随机访问模式读取纹理、修改帧缓冲器）。VPU针对每瓦特的性能进行了优化，而GPU主要关注绝对性能。

VPU的目标市场是机器人学、物联网、用于虚拟现实和增强现实的新型数码相机、智能相机和集成了机器视觉加速器的智能手机及其他移动设备。

有些处理器虽然没有被划为VPU，但同样可以处理机器视觉任务。它们可能形成一种更广泛的人工智能加速器（VPU可能也属于此种器件），然而截至2016年，这种分类的名称尚未达成共识：

• IBMTrueNorth，一种神经形态工程处理器，旨在进行类似的传感数据模式识别和智能任务，包括音视频。
• 高通Zeroth神经处理器，是新兴的面向传感器/AI的芯片类别中的另一类。[3]

• Adapteva Epiphany，一种多核处理器，同样强调片上数据流和32位浮点运算性能。
• CELL，一种多核微处理器，其特点与VPU十分接近（适合视频处理的SIMD指令&数据类型，以及暂存器间的片上DMA）。
• 辅助处理器
• 图形处理器，也常用于运行视觉算法。NVidia的帕斯卡微架构包含半精度浮点数支持，以便为AI工作负载提供更好的精度/成本权衡。
• MPSoC
• OpenCL
• OpenVX
• 物理处理器，一种高吞吐量加速器，过去用于补充CPU和GPU算力的尝试。
• 张量处理单元，是谷歌内部用于加速人工智能计算的芯片。

• Eyeriss architecture （页面存档备份，存于）
• Holographic processing unit （页面存档备份，存于）
• NeuFlow: A Runtime Reconfigurable Dataflow Processor for Vision 的存檔，存档日期2017-05-05.