Revolutionær videokomprimering til autonome køretøjer: Beamr sætter standarder!

Revolutionær videokomprimering til autonome køretøjer: Beamr sætter standarder!

Nicht specified, USA - I den spændende verden af autonome køretøjer er datalagring og behandling af central betydning. Stigningen i videodata fører til udfordringer, der presserende kræver innovative løsninger. Beamr Imaging Ltd. De fleste fremskridt på dette område og testede for nylig sin GPU-accelereret teknologi til bilindustrien til autonom kørsel. Som Globenewire.com Virksomheden har gennemført flere bevis for begreb (POCES (POCE) hvor brugen af dets indholdsadaptive bitrate -teknologi (CABR) viste gyldige resultater i maskinlæringsteknologi (ML).

I en verden, hvor et enkelt autonomt køretøj producerer terabyte af videodata hver dag, er potentialet i Beamrs teknologi bemærkelsesværdigt. Det muliggør besparelser fra 20% til 50% for videodata, der bruges til at træne ML -modeller uden at påvirke den visuelle kvalitet. I betragtning af det faktum, at op til 150 terabyte data pr. Dag i en flåde på 150 autonome køretøjer, er det klart, at dette kan have en enorm indflydelse på opbevaringsomkostninger og infrastruktur, der er mellem USD 3 og 6,5 millioner årligt.

Eksplosionen af videodata

Dataeksplosionen i autonome køretøjer er en alvorlig udfordring - eksperter som Drago Anguelov fra Waymo ved det også. Dette er også knyttet til de høje krav til databehandling, fordi traditionelle metoder ofte ikke formår at behandle relevant information effektivt. Beamr har udviklet et effektivt videokomprimeringssystem til dette problem, der giver indtryk af, at det var skræddersyet til menneskelig opfattelse.

Ved hjælp af CABR er det sikret, at vigtige detaljer til beslutning -skaber, såsom læsbarheden af gadeskilt eller påvisning af objekter, også bevares for komprimerede data. Undersøgelser viser, at denne type komprimering ikke kun kan reducere filstørrelserne med op til 50%, men også modtager ydelsen af ML -modeller på samme tid. Dette er især relevant, når du overvejer, at træning til en model med 10.000 timer 1080p videodata kan kræve op til 600 terabyte lagerplads. Dette er kun muligt med effektive komprimeringsmetoder.

innovative tilgange til behandling

Teknologien bag komprimeringen er udviklet yderligere. Mens traditionelle kodningsmetoder sigter mod at gengive data så præcist som muligt, er moderne tilgange, som de også er beskrevet i arbejdet med scisimple.com vil til identificere og give relevant information. Hjælp til at optimere kodningsprocessen markant Derudover bruges teknikker såsom fælles kodning af forskellige datakilder til at øge effektiviteten yderligere. Swift -behandling er det magiske ord her, fordi dataene skal behandles i realtid for at være i stand til fuldt ud at udnytte alle mulighederne for autonome køretøjsteknologier.

Beamr forbereder sig i øjeblikket på yderligere at analysere virkningerne af dine teknologier på en række anvendelsesområder: objekt og 3D -objektgenkendelse såvel som ydelsen af at køre spordetektion hører også til dagsordenen. Denne fremgang er nødvendig for at sikre et sikkert og effektivt miljø for chauffører og passagerer i autonome biler.

Generelt kan det ses, at teknologierne bag videokomprimering i autonome køretøjer ikke kun er lovende, men også afgørende for at tackle udfordringerne med de stigende mængder data.

Uanset om flyvende biler eller smart kørsel - fremtiden skinner lovende, og Beamr er i forkant med sin innovative teknologi. Det forbliver spændende at se, hvordan komprimeringsmetoderne udvikler sig og understøtter den næste generation af autonome køretøjer endnu mere smartere!