LogeR - Ail-greu 3D o fideos hynod o hir (DeepMind, UC Berkeley)

Troi Oriau Fideo yn Fyd 3D Cydlynol

Dychmygwch gipio fideo o ddigwyddiad cyfan - seremoni briodas, prosiect adeiladu, neu daith natur trwy goedwig. Rydych chi'n cael oriau o ffilm yn y pen draw, ond mae'n ddilyniant gwastad, llinol. Beth pe gallech chi drawsnewid y fideo hir, anhylaw hwnnw yn un model 3D mordwyol o'r olygfa gyfan? Dyma nod uchelgeisiol LoGeR, cydweithrediad ymchwil arloesol rhwng DeepMind ac UC Berkeley. Nid dim ond pwytho lluniau at ei gilydd y mae'r dechnoleg hon; mae'n ail-greu byd 3D parhaus yn ddeallus o ffrydiau fideo sy'n hir o ran hyd a llwybr corfforol, gan fynd i'r afael ag un o'r heriau mwyaf arwyddocaol mewn gweledigaeth gyfrifiadurol.

Yr Her Graidd: Cysondeb Dros Raddfeydd Mawr

Mae dulliau ail-greu 3D traddodiadol yn rhagori gyda chlipiau fideo byr neu gasgliad o luniau a dynnwyd o wahanol onglau ar yr un funud. Fodd bynnag, maent yn cael trafferth aruthrol gyda fideos "hir". Mae'r anawsterau yn ddeublyg. Yn gyntaf, hyd amser: wrth i fideo ymestyn dros funudau neu oriau, mae goleuadau'n newid, gwrthrychau'n symud, ac mae pobl yn mynd a dod. Yn ail, graddfa ofodol: gallai'r camera groesi ardal fawr, fel cerdded trwy barc ac i mewn i adeilad, gan greu amgylchedd enfawr a chymhleth i'w fapio. Mae systemau presennol yn aml yn methu â chynnal map byd-eang cyson, gan arwain at adluniadau digyswllt neu "floaters" - arteffactau ysbrydion nad ydynt yn perthyn i unrhyw arwyneb. Mae LoGeR yn mynd i'r afael â hyn trwy ganolbwyntio ar adeiladu cynrychiolaeth unedig sy'n parhau i fod yn gydlynol ar draws y graddfeydd amser a gofod enfawr hyn.

Sut mae LoGeR yn Cyflawni Adluniad Cydlynol

Mae LoGeR, sy'n sefyll am Long Generative Reconstruction, yn cyflwyno dull newydd sy'n canolbwyntio ar strategaeth "cychwyn hadau". Yn lle ceisio adeiladu'r olygfa 3D gyfan ar unwaith o ffrwd fideo anhrefnus, mae'r system yn gyntaf yn nodi rhan fach, hylaw o'r fideo sy'n haws ei hail-greu gyda hyder uchel. Mae'r darn 3D hwn o ansawdd uchel yn angor sefydlog neu'n "had." Yna mae'r model yn tyfu'r cynrychioliad 3D hwn yn raddol, ffrâm wrth ffrâm, gan ymgorffori gwybodaeth weledol newydd yn ofalus wrth gyfeirio'n ôl at yr hedyn sefydledig i sicrhau cysondeb byd-eang. Mae'r dull hwn i bob pwrpas yn caniatáu i'r model osgoi'r peryglon cyffredin o ran maint, gan greu model 3D mwy cywir a dibynadwy o'r mewnbwn hynod o hir. Mae'n newid o geisio gweld y darlun cyfan ar unwaith i'w adeiladu o graidd y gellir ymddiried ynddo.

"Mae ein hymagwedd yn galluogi ail-greu golygfa 3D gyson fyd-eang o fideo hir, sy'n lleoliad heriol ar gyfer dulliau presennol sy'n aml yn cynhyrchu geometreg ddatgysylltu." - Awduron Ymchwil LoGeR

Cymwysiadau Ymarferol ar gyfer Busnesau a Chrëwyr

Mae'r cymwysiadau posibl ar gyfer technoleg fel LoGeR yn enfawr. Ar gyfer penseiri a datblygwyr eiddo tiriog, gallai drawsnewid arolygon safle, gan ganiatáu llwybr fideo syml i gynhyrchu model 3D manwl o eiddo. Ym myd adloniant, gallai gwneuthurwyr ffilm greu setiau digidol o luniau helaeth o sgowtio lleoliad. Ar gyfer logisteg a rheoli warws, gallai alluogi mapio 3D deinamig o gyfleusterau enfawr. Mae'r gallu hwn i greu gefeill digidol cydlynol o fideo distrwythur yn arf pwerus. Yn Mewayz, gwelwn synergedd naturiol gyda'r dechnoleg hon. Mae ein OS busnes modiwlaidd wedi'i adeiladu i integreiddio a strwythuro ffrydiau data cymhleth. Dychmygwch fodiwl rheoli prosiect lle mae fideo archwilio safle yn cael ei brosesu'n awtomatig gan offeryn fel LoGeR, ac mae'r model 3D dilynol wedi'i gysylltu'n syth â rhestrau tasgau, rhestr eiddo, a llinellau amser o fewn platfform Mewayz, gan ddarparu golwg wirioneddol ymdrochol a chyfoethog o ddata o gynnydd y prosiect.

Edrych Ymlaen: Dyfodol Dealltwriaeth Ofodol

Mae LoGeR yn cynrychioli naid sylweddol tuag at systemau AI sy'n gallu deall ein byd nid yn unig fel cyfres o gipluniau, ond fel gofod 4D parhaus sy'n esblygu (3D + amser). Gallai iteriadau yn y dyfodol olrhain gwrthrychau a phobl yn ddi-dor ar draws oriau, gan ddeall nid yn unig ble mae pethau, ond sut maent yn newid ac yn rhyngweithio dros gyfnodau hir. Y ddealltwriaeth spatiotemporal hon yw'r ffin nesaf. Ar gyfer llwyfannau fel Mewayz, sy'n anelu at fod yn system weithredu ganolog ar gyfer busnes, gallai integreiddio galluoedd data gofodol datblygedig o'r fath chwyldroi sut mae cwmnïau'n cynllunio, monitro a dadansoddi gweithrediadau ffisegol. Mae'n ein symud yn nes at ddyfodol lle mae'r bydoedd digidol a ffisegol wedi'u cydblethu'n ddi-dor ar gyfer gwneud penderfyniadau callach.

Er ei fod yn dal i fod yn brosiect ymchwil, mae LoGeR yn tynnu sylw at ddyfodol lle mae creu copi digidol cynhwysfawr o unrhyw amgylchedd mor syml â recordio fideo. Mae'r goblygiadau ar gyfer dogfennaeth, dadansoddi, a rhyngweithio rhithwir yn ddwys, gan droi recordiadau hir yn fydoedd parhaol y gellir eu harchwilio.