Revolutionaire videocompressie voor autonome voertuigen: Beamr stelt normen!
Revolutionaire videocompressie voor autonome voertuigen: Beamr stelt normen!
Nicht specified, USA - In de opwindende wereld van autonome voertuigen zijn gegevensopslag en verwerking van centraal belang. De toename van videogegevens leidt tot uitdagingen die dringend innovatieve oplossingen vereisen. Beamr Imaging Ltd. De meeste vooruitgang op dit gebied en testte onlangs zijn GPU-versnelde technologie voor de auto-industrie op autonoom rijden. Als globenwir van zijn inhoud adaptieve Bitrate Technology (CABR) liet geldige resultaten zien in machine learning -technologie (ML).
In een wereld waar een enkel autonoom voertuig elke dag terabytes van videogegevens produceert, is het potentieel van de technologie van Beamr opmerkelijk. Het maakt besparingen mogelijk van 20% tot 50% voor videogegevens die worden gebruikt om ML -modellen te trainen zonder de visuele kwaliteit te beïnvloeden. Gezien het feit dat tot 150 terabytes aan gegevens per dag in een vloot van 150 autonome voertuigen, is het duidelijk dat dit een enorme impact kan hebben op de opslagkosten en infrastructuur tussen USD 3 en 6,5 miljoen per jaar.
De explosie van de videogegevens
De gegevensexplosie in autonome voertuigen is een serieuze uitdaging - experts zoals Drago Anguelov van Waymo weten dat ook. Dit is ook gekoppeld aan de hoge eisen voor gegevensverwerking, omdat traditionele methoden vaak niet in slaagt om relevante informatie efficiënt te verwerken. Beamr heeft een efficiënt videocompressiesysteem ontwikkeld voor dit probleem dat de indruk wekt dat het was afgestemd op menselijke perceptie.
Met behulp van CABR wordt ervoor gezorgd dat belangrijke details voor het nemen van beslissingen, zoals de leesbaarheid van straatborden of de detectie van objecten, ook worden bewaard voor gecomprimeerde gegevens. Studies tonen aan dat dit type compressie niet alleen de bestandsgroottes tot 50%kan verminderen, maar ook de prestaties van ML -modellen tegelijkertijd ontvangt. Dit is met name relevant als u bedenkt dat training voor een model met 10.000 uur 1080p videogegevens tot 600 terabytes aan opslagruimte kan vereisen. Dit is alleen mogelijk met effectieve compressiemethoden.
innovatieve benaderingen in de verwerking
De technologie achter de compressie heeft zich verder ontwikkeld. Hoewel traditionele coderingsmethoden erop gericht zijn om gegevens zo precies mogelijk te reproduceren, benaderingen, zoals ze ook worden beschreven in het werk van scisimplee het coderingsproces.
Bovendien worden technieken zoals gewrichtscodering van verschillende gegevensbronnen gebruikt om de efficiëntie verder te verhogen. Swift -verwerking is hier het magische woord, omdat de gegevens in realtime moeten worden verwerkt om alle mogelijkheden van autonome voertuigtechnologieën volledig te kunnen benutten. BEAMR bereidt zich momenteel voor om de effecten van uw technologieën op verschillende toepassingsgebieden verder te analyseren: Object- en 3D -objectherkenning en de prestaties van het detectie van de rijbaan behoren ook tot de agenda. Deze vooruitgang is nodig om een veilige en efficiënte omgeving voor bestuurders en passagiers in autonome auto's te garanderen. Over het algemeen is te zien dat de technologieën achter videocompressie in autonome voertuigen niet alleen veelbelovend zijn, maar ook cruciaal om de uitdagingen van de toenemende hoeveelheden gegevens aan te gaan. Of het nu gaat om vliegende auto's of slim rijden - de toekomst schijnt veelbelovend, en Beamr loopt voorop met zijn innovatieve technologie. Het blijft opwindend om te zien hoe de compressiemethoden de volgende generatie autonome voertuigen ontwikkelen en ondersteunen nog slimmer!
Details | |
---|---|
Ort | Nicht specified, USA |
Quellen |
Kommentare (0)