Revolutionær videokomprimering til autonome køretøjer startede!

Revolutionær videokomprimering til autonome køretøjer startede!

Paris, Frankreich - I en alder af autonome køretøjer er data øverst på listen over udfordringer. Daglige terabyte af videoinformation genereres, som kræver en enorm opbevarings- og behandlingsbestemmelse til udvikling og uddannelse af avancerede modeller. Her kommer Beamr Imaging Ltd. i spil og præsenterer en strålende ny løsning. Som Yahoo Finance blev den 11. juni 2025 under Nvidia gtc Paris A GPU-accelereret videokomprimering, der var specielt designet til autonome, 2025.

Dette innovative værktøj bruger virksomhedens avancerede indholdsadaptive bitrate (CABR) -teknologi, der gør det muligt for videofilstørrelserne at reducere op til 50% uden fare for visuel kvalitet. I betragtning af det faktum, at hundreder af petabytes data kræves til uddannelse af projekter, er dette en reel fortjeneste. Beamr har allerede navngivet sig selv og er bekendt med store mediefirmaer, hvor virksomheden blev tildelt 53 patenter og endda en Emmy® -pris for teknologi og teknik.

udfordringen ved datastyring

hvordan

Men hvad ville en fremgang inden for køretøjsteknologi være uden en stærk partner? Nvidia præsenterede for nylig sin omfattende platform for autonom køretøjssoftware, der er oprettet på en sådan måde, at den fremskynder den sikrere og mere intelligente introduktion af autonom mobilitet over hele verden. Som rapporteret i NVIDIA-bloggen, nvidia drev platform alle de nødvendige funktioner til at gøre udviklingen og brugen af autonome køretøjer effektivt. Softwaren tilbyder ikke kun realtid Villageus, men også kontinuerlige forbedringer gennem over-the-air-opdateringer.

Med den leverede modulære arkitektur kan producenter og nystartede virksomheder udvikle skræddersyede løsninger, der imødekommer deres specifikke behov. Brugen af dyb læring til at behandle sensordata og analysere menneskelig kørselsadfærd er et andet skridt hen imod fremtiden for mobilitet.

opsummerede Beamr og Nvidia sammen for de næste trin i den teknologiske udvikling af autonome køretøjer. Deres udvikling viser, at du skal have en god hånd inden for køretøjsteknologi for at mestre udfordringerne ved datavolumen og også sikre, at kvaliteten af løsningen ikke falder ved vejen.