Autonoomsete sõidukite revolutsiooniline video tihendamine: BEAMR seab standardid!
Autonoomsete sõidukite revolutsiooniline video tihendamine: BEAMR seab standardid!
Nicht specified, USA - Autonoomsete sõidukite põnevas maailmas on andmete salvestamine ja töötlemine keskse tähtsusega. Videoandmete suurenemine põhjustab väljakutseid, mis nõuavad kiiresti uuenduslikke lahendusi. BEAMR Imaging Ltd. Enamik edusammudest selles valdkonnas ja testis hiljuti autonoomse juhtimise jaoks autotööstuse GPU-kiirendatud tehnoloogiat. AS
Maailmas, kus üks autonoomne sõiduk toodab iga päev videoandmete terabaiti, on BEAMR -i tehnoloogia potentsiaal tähelepanuväärne. See võimaldab ML -mudelite koolitamiseks kasutatava videoandmete säästmist 20–50% -le, ilma et see mõjutaks visuaalset kvaliteeti. Arvestades asjaolu, et kuni 150 terabaiti andmeid päevas 150 autonoomse sõidukipargis, on selge, et sellel võib olla tohutu mõju ladustamiskuludele ja infrastruktuurile, mis on vahemikus 3–6,5 miljonit dollarit aastas. Andmete plahvatus autonoomsetes sõidukites on tõsine väljakutse - ka sellised eksperdid nagu Waymo Drago Anguelov teavad seda. See on seotud ka kõrgete andmete töötlemise nõudmistega, kuna traditsioonilised meetodid ei suuda sageli asjakohast teavet tõhusalt töödelda. BEAMR on selle probleemi jaoks välja töötanud tõhusa videosüsteemi, mis jätab mulje, et see oli kohandatud inimese ettekujutusele. CABRi abiga on tagatud, et tihendatud andmete jaoks säilitatakse ka otsuste tegemise olulised üksikasjad, näiteks tänavamärkide loetavus või objektide tuvastamine. Uuringud näitavad, et seda tüüpi tihendamine ei saa mitte ainult vähendada failide suurust kuni 50%, vaid saab ka ML -mudelite jõudlust samal ajal. See on eriti asjakohane, kui arvestada, et 10 000 tundi 1080p videoandmetega mudeli koolitamine võib vajada kuni 600 terabaiti salvestusruumi. See on võimalik ainult tõhusate tihendusmeetodite puhul. tihendamise taga olev tehnoloogia on edasi arenenud. Kuigi traditsiooniliste kodeerimismeetodite eesmärk on andmeid võimalikult täpselt reprodutseerida, siis tänapäevaseid lähenemisviise, nagu neid kirjeldatakse ka scisimple. kodeerimisprotsess.
Lisaks kasutatakse tõhususe edasiseks suurendamiseks selliseid tehnikaid nagu erinevate andmeallikate liigese kodeerimine. Swifti töötlemine on siinne võlusõna, kuna andmeid tuleb töödelda reaalajas, et olla võimalik täielikult kasutada autonoomsete sõidukitehnoloogiate võimalusi. BEAMR valmistub praegu teie tehnoloogiate mõju mitmesugustele rakendusvaldkondadele: objekti ja 3D -objekti äratundmine ning sõiduraja tuvastamise toimimine kuuluvad ka päevakorda. See edusammud on vajalikud autonoomsete autode autojuhtidele ja reisijatele ohutu ja tõhusa keskkonna tagamiseks. Üldiselt on näha, et autonoomsete sõidukite video kokkusurumise taga olevad tehnoloogiad pole mitte ainult paljutõotavad, vaid ka üliolulised, et tulla toime kasvavate andmete koguse väljakutsetega. Kas lendavad autod või nutikas sõitmine - tulevik paistab paljulubavalt ja Beamr on oma uuendusliku tehnoloogiaga esirinnas. Jääb põnev näha, kuidas tihendusmeetodid arenevad ja toetavad järgmise põlvkonna autonoomseid sõidukeid veelgi nutikamalt! videoandmete plahvatus
uuenduslikud lähenemisviisid töötlemisel
| Details | |
|---|---|
| Ort | Nicht specified, USA |
| Quellen | |
Kommentare (0)