ضغط الفيديو الثوري للمركبات ذاتية الحكم: يحدد Beamr المعايير!

في عالم تنتج فيه مركبة مستقلة واحدة تيرابايت من بيانات الفيديو كل يوم ، فإن إمكانات تقنية Beamr رائعة. إنه يتيح التوفير من 20 ٪ إلى 50 ٪ لبيانات الفيديو المستخدمة لتدريب نماذج ML دون التأثير على الجودة المرئية. في ضوء حقيقة أن ما يصل إلى 150 تيرابايت من البيانات يوميًا في أسطول مكون من 150 مركبة مستقلة ، فمن الواضح أن هذا يمكن أن يكون له تأثير هائل على تكاليف التخزين والبنية التحتية التي تتراوح بين 3 و 6.5 مليون دولار سنويًا.

انفجار بيانات الفيديو

إن انفجار البيانات في المركبات المستقلة يمثل تحديًا خطيرًا - يعرف خبراء مثل Drago Anguelov من Waymo ذلك. يرتبط هذا أيضًا بالمطالب المرتفعة على معالجة البيانات ، لأن الأساليب التقليدية غالبًا ما لا تتمكن من معالجة المعلومات ذات الصلة بكفاءة. طور BeamR نظام ضغط فيديو فعال لهذه المشكلة الذي يعطي الانطباع بأنه مصمم لتصور الإنسان.

بمساعدة CABR ، يتم التأكد من أن التفاصيل المهمة لاتخاذ القرارات ، مثل قابلية قراءة علامات الشوارع أو اكتشاف الكائنات ، يتم الحفاظ عليها أيضًا للبيانات المضغوطة. تشير الدراسات إلى أن هذا النوع من الضغط لا يمكن أن يقلل من أحجام الملفات بنسبة تصل إلى 50 ٪ فحسب ، بل يتلقى أيضًا أداء نماذج ML في نفس الوقت. هذا مهم بشكل خاص عندما تفكر في أن التدريب على نموذج مع 10000 ساعة 1080 بكسل يمكن أن يتطلب بيانات ما يصل إلى 600 تيرابايت من مساحة التخزين. هذا ممكن فقط مع طرق الضغط الفعالة.

نهج مبتكرة في المعالجة

BeamR تستعد حاليًا لتحليل تأثيرات تقنياتك على مجموعة متنوعة من مجالات التطبيق: الكائن والتعرف على الكائنات ثلاثية الأبعاد وكذلك أداء الكشف عن مسار القيادة أيضًا إلى جدول الأعمال. هذا التقدم ضروري لضمان بيئة آمنة وفعالة للسائقين والركاب في السيارات المستقلة.

بشكل عام ، يمكن ملاحظة أن التقنيات الكامنة وراء ضغط الفيديو في المركبات المستقلة ليست واعدة فحسب ، بل هي أيضًا حاسمة من أجل مواجهة تحديات الكميات المتزايدة من البيانات.

سواء أكان سيارات الطائرة أو القيادة الذكية - يضيء المستقبل الواعد ، و Beamr في المقدمة مع تقنيته المبتكرة. لا يزال من المثير أن نرى كيف تطور أساليب الضغط ودعم الجيل القادم من المركبات المستقلة أكثر ذكاءً!