LoGeR - انتهائي ڊگھي وڊيوز مان 3D تعمير (DeepMind، UC Berkeley)

ويڊيو جا ڪلاڪ هڪ مربوط 3D دنيا ۾ تبديل ڪرڻ

تصويري ڪريو هڪ سڄي واقعي جي وڊيو کي پڪڙڻ جو - هڪ شادي جي تقريب، هڪ تعميراتي منصوبو، يا هڪ ٻيلي ۾ فطرت جي سير. توهان ڪلاڪن جي فوٽيج سان ختم ڪريو ٿا، پر اهو هڪ لوڻ، لڪير تسلسل آهي. ڇا جيڪڏھن توھان ان ڊگھي، اڻ وڻندڙ ​​وڊيو کي سڄي منظر جي ھڪڙي، نيويگيبل 3D ماڊل ۾ تبديل ڪري سگھوٿا؟ هي LoGeR جو امڪاني مقصد آهي، ڊيپ مائنڊ ۽ يو سي برڪلي جي وچ ۾ هڪ اهم تحقيقي تعاون. هي ٽيڪنالوجي نه رڳو تصويرون گڏ ڪري ٿي؛ اهو هوشياريءَ سان ويڊيو اسٽريمز مان هڪ مسلسل 3D دنيا جي تعمير ڪري ٿو، جيڪي ڊگھي عرصي ۽ جسماني رستي ٻنهي ۾ آهن، ڪمپيوٽر جي نظر ۾ سڀ کان اهم چئلينجن مان هڪ کي منهن ڏيڻ.

The Core Challenge: Consistency Over Wast Scales

روايتي 3D بحالي جا طريقا مختصر وڊيو ڪلپس يا ساڳئي وقت مختلف زاوين کان ورتل تصويرن جي مجموعن سان گڏ. بهرحال، اهي "ڊگهي" وڊيوز سان تمام گهڻو جدوجهد ڪن ٿا. مشڪلاتون ٻه ڀيرا آهن. پهريون، عارضي ڊگھائي: جيئن هڪ وڊيو منٽن يا ڪلاڪن تائين پکڙيل آهي، روشنيءَ ۾ تبديليون، شيون هلن ٿيون، ۽ ماڻهو اچن ٿا ۽ وڃن ٿا. ٻيو، اسپيشل اسڪيل: ڪيمرا وڏي ايراضيءَ کي پار ڪري سگھي ٿو، جهڙوڪ پارڪ ۽ عمارت ۾ گھمڻ، نقشي لاءِ وڏي ۽ پيچيده ماحول پيدا ڪرڻ. موجوده نظام اڪثر ڪري هڪ مسلسل عالمي نقشي کي برقرار رکڻ ۾ ناڪام ٿي وڃن ٿا، جنهن جي نتيجي ۾ بي ترتيب تعميرات يا "فلوٽرز" - ڀوتائي نموني جيڪي ڪنهن به سطح سان تعلق نه رکندا آهن. LoGeR هڪ متحد نمائندگي جي تعمير تي ڌيان ڏيڻ سان هن کي خطاب ڪري ٿو جيڪو وقت ۽ خلا جي انهن وسيع پيماني تي هموار رهي ٿو.

ڪيئن LoGeR حاصل ڪري ٿو مربوط بحاليءَ

LoGeR، جيڪو لانگ جنريٽيو ريڪنسٽرڪشن لاءِ بيٺو آهي، هڪ نئين انداز کي متعارف ڪرايو آهي جنهن جو مرڪز ”سيڊ انيشلائيزيشن“ حڪمت عملي آهي. هڪ افراتفري وڊيو اسٽريم مان هڪ ئي وقت سڄو 3D منظر ٺاهڻ جي ڪوشش ڪرڻ جي بدران، سسٽم پهريون ڀيرو وڊيو جي هڪ ننڍڙي، منظم ڪرڻ واري حصي کي سڃاڻي ٿو جيڪو اعلي اعتماد سان ٻيهر تعمير ڪرڻ آسان آهي. هي اعلي معيار 3D پيچ هڪ مستحڪم لنگر يا "ٻج" طور ڪم ڪري ٿو. ماڊل پوءِ وڌندي وڌندي هن 3D نمائندگي، فريم ذريعي فريم، احتياط سان نئين بصري معلومات کي شامل ڪندي جڏهن ته عالمي تسلسل کي يقيني بڻائڻ لاءِ قائم ڪيل ٻج ڏانهن واپس رجوع ڪندي. اهو طريقو مؤثر طريقي سان ماڊل کي اجازت ڏئي ٿو ته پيماني جي عام نقصانن کان بچڻ لاء، انتهائي ڊگهي ان پٽ کان وڌيڪ صحيح ۽ قابل اعتماد 3D ماڊل ٺاهي. اها هڪ شفٽ آهي پوري تصوير کي هڪ ڀيرو ڏسڻ جي ڪوشش ڪرڻ کان پوءِ ان کي هڪ ڀروسي واري مرڪز مان ٺاهيو.

"اسان جو طريقو هڪ ڊگهي ويڊيو مان عالمي سطح تي مسلسل 3D منظر جي بحالي کي قابل بڻائي ٿو، جيڪو موجوده طريقن لاء هڪ مشڪل سيٽنگ آهي جيڪو اڪثر ڪري منقطع جاميٽري پيدا ڪري ٿو." - LoGeR تحقيقي ليکڪ

ڪاروبار ۽ تخليق ڪندڙن لاءِ عملي ايپليڪيشنون

LoGeR وانگر ٽيڪنالاجي لاءِ امڪاني ايپليڪيشنون وسيع آهن. آرڪيٽيڪٽس ۽ ريئل اسٽيٽ ڊولپرز لاءِ، اهو سائيٽ جي سروي کي تبديل ڪري سگهي ٿو، هڪ سادي وڊيو واکٿرو کي اجازت ڏئي ٿي ته ملڪيت جو تفصيلي 3D ماڊل ٺاهي. تفريح ۾، فلم ساز ڊجيٽل سيٽ ٺاهي سگھن ٿا وسيع جڳھ جي اسڪائوٽنگ فوٽيج مان. لوجسٽڪس ۽ گودام جي انتظام لاء، اهو وڏي سهولتن جي متحرڪ 3D ميپنگ کي فعال ڪري سگهي ٿو. غير منظم وڊيو مان هڪ متحرڪ ڊجيٽل ٽوئن ٺاهڻ جي صلاحيت هڪ طاقتور اوزار آهي. Mewayz تي، اسان هن ٽيڪنالاجي سان هڪ قدرتي همراه ڏسون ٿا. اسان جو ماڊل ڪاروبار OS پيچيده ڊيٽا اسٽريمز کي ضم ڪرڻ ۽ ان جي جوڙجڪ ڪرڻ لاءِ ٺهيل آهي. تصور ڪريو هڪ پروجيڪٽ مئنيجمينٽ ماڊل جتي سائيٽ جي انسپيڪشن وڊيو خودڪار طريقي سان عمل ڪيو ويندو آهي هڪ اوزار جهڙوڪ LoGeR، ۽ نتيجو 3D ماڊل فوري طور تي ٽاسڪ لسٽن، انوینٽري، ۽ ٽائم لائنن سان ڳنڍيل آهي Mewayz پليٽ فارم جي اندر، پروجيڪٽ جي پيش رفت جو هڪ واقعي شاندار ۽ ڊيٽا سان ڀرپور نظارو مهيا ڪري ٿو.

اڳتي ڏسندي: اسپيٽيو temporal سمجھ جو مستقبل

LoGeR AI سسٽم ڏانهن هڪ اهم ليپ جي نمائندگي ڪري ٿو جيڪو اسان جي دنيا کي سمجهي سگهي ٿو نه صرف تصويرن جي هڪ سيريز طور، پر هڪ مسلسل، ترقي ڪندڙ 4D اسپيس (3D + وقت). مستقبل جي ورهاڱي شين ۽ ماڻهن کي ڪلاڪن ۾ بغير ڪنهن وقفي سان ٽريڪ ڪري سگهي ٿي، نه رڳو اهو سمجهي سگهي ٿو ته شيون ڪٿي آهن، پر اهي ڪيئن تبديل ٿين ٿا ۽ ڊگهي عرصي تائين لهه وچڙ ۾. هي spatiotemporal سمجھ ايندڙ سرحد آهي. پليٽ فارمن لاءِ Mewayz، جنهن جو مقصد هڪ ڪاروبار لاءِ مرڪزي آپريٽنگ سسٽم هجڻ آهي، اهڙين ترقي يافته فضائي ڊيٽا جي صلاحيتن کي ضم ڪرڻ سان انقلاب آڻي سگھي ٿو ته ڪمپنيون ڪيئن رٿائن، مانيٽرنگ ۽ فزيڪل آپريشنز جو تجزيو ڪن. اهو اسان کي مستقبل جي ويجھو منتقل ڪري ٿو جتي ڊجيٽل ۽ فزيڪل دنيا سمارٽ فيصلا ڪرڻ لاءِ هڪ ٻئي سان جڙيل آهي.

جڏهن ته اڃا هڪ تحقيقي منصوبو آهي، LoGeR هڪ مستقبل ڏانهن اشارو ڪري ٿو جتي ڪنهن به ماحول جي هڪ جامع ڊجيٽل ڪاپي ٺاهڻ هڪ وڊيو رڪارڊ ڪرڻ جيترو سادو آهي. دستاويزن، تجزيو، ۽ مجازي رابطي لاءِ اثر گہرا آهن، ڊگھي رڪارڊنگ کي پائيدار، ڳولهڻ لائق دنيا ۾ تبديل ڪرڻ.

اڪثر پڇيا ويندڙ سوال

ويڊيو جا ڪلاڪ هڪ مربوط 3D دنيا ۾ تبديل ڪرڻ

تصويري ڪريو هڪ سڄي واقعي جي وڊيو کي پڪڙڻ جو - هڪ شادي جي تقريب، هڪ تعميراتي منصوبو، يا هڪ ٻيلي ۾ فطرت جي سير. توهان ڪلاڪن جي فوٽيج سان ختم ڪريو ٿا، پر اهو هڪ لوڻ، لڪير تسلسل آهي. ڇا جيڪڏھن توھان ان ڊگھي، اڻ وڻندڙ ​​وڊيو کي سڄي منظر جي ھڪڙي، نيويگيبل 3D ماڊل ۾ تبديل ڪري سگھوٿا؟ هي LoGeR جو امڪاني مقصد آهي، ڊيپ مائنڊ ۽ يو سي برڪلي جي وچ ۾ هڪ اهم تحقيقي تعاون. هي ٽيڪنالوجي نه رڳو تصويرون گڏ ڪري ٿي؛ اهو هوشياريءَ سان ويڊيو اسٽريمز مان هڪ مسلسل 3D دنيا جي تعمير ڪري ٿو، جيڪي ڊگھي عرصي ۽ جسماني رستي ٻنهي ۾ آهن، ڪمپيوٽر جي نظر ۾ سڀ کان اهم چئلينجن مان هڪ کي منهن ڏيڻ.

The Core Challenge: Consistency Over Wast Scales

روايتي 3D بحالي جا طريقا مختصر وڊيو ڪلپس يا ساڳئي وقت مختلف زاوين کان ورتل تصويرن جي مجموعن سان گڏ. بهرحال، اهي "ڊگهي" وڊيوز سان تمام گهڻو جدوجهد ڪن ٿا. مشڪلاتون ٻه ڀيرا آهن. پهريون، عارضي ڊگھائي: جيئن ته هڪ وڊيو منٽن يا ڪلاڪن تائين پکڙيل آهي، روشني ۾ تبديليون، شيون هلن ٿيون، ۽ ماڻهو اچن ٿا ۽ وڃن ٿا. ٻيو، اسپيشل اسڪيل: ڪيمرا هڪ وڏي ايراضيءَ کي پار ڪري سگھي ٿو، جهڙوڪ پارڪ ۽ عمارت ۾ گھمڻ، نقشي لاءِ وڏي ۽ پيچيده ماحول پيدا ڪرڻ. موجوده نظام اڪثر ڪري هڪ مسلسل عالمي نقشي کي برقرار رکڻ ۾ ناڪام ٿي وڃن ٿا، جنهن جي نتيجي ۾ بي ترتيب تعميرات يا "فلوٽرز" - ڀوتائي نموني جيڪي ڪنهن به سطح سان تعلق نه رکندا آهن. LoGeR هڪ متحد نمائندگي جي تعمير تي ڌيان ڏيڻ سان هن کي خطاب ڪري ٿو جيڪو وقت ۽ خلا جي انهن وسيع پيماني تي هموار رهي ٿو.

ڪيئن LoGeR حاصل ڪري ٿو مربوط بحاليءَ

LoGeR، جيڪو لانگ جنريٽيو ريڪنسٽرڪشن لاءِ بيٺو آهي، هڪ نئين انداز کي متعارف ڪرايو آهي جنهن جو مرڪز ”سيڊ انيشلائيزيشن“ حڪمت عملي آهي. هڪ افراتفري وڊيو اسٽريم مان هڪ ئي وقت سڄو 3D منظر ٺاهڻ جي ڪوشش ڪرڻ جي بدران، سسٽم پهريون ڀيرو وڊيو جي هڪ ننڍڙي، منظم ڪرڻ واري حصي کي سڃاڻي ٿو جيڪو اعلي اعتماد سان ٻيهر تعمير ڪرڻ آسان آهي. هي اعلي معيار 3D پيچ هڪ مستحڪم لنگر يا "ٻج" طور ڪم ڪري ٿو. ماڊل پوءِ وڌندي وڌندي هن 3D نمائندگي، فريم ذريعي فريم، احتياط سان نئين بصري معلومات کي شامل ڪندي جڏهن ته عالمي تسلسل کي يقيني بڻائڻ لاءِ قائم ڪيل ٻج ڏانهن واپس رجوع ڪندي. اهو طريقو مؤثر طريقي سان ماڊل کي اجازت ڏئي ٿو ته پيماني جي عام نقصانن کان بچڻ لاء، انتهائي ڊگهي ان پٽ کان وڌيڪ صحيح ۽ قابل اعتماد 3D ماڊل ٺاهي. اها هڪ شفٽ آهي پوري تصوير کي هڪ ڀيرو ڏسڻ جي ڪوشش ڪرڻ کان پوءِ ان کي هڪ ڀروسي واري مرڪز مان ٺاهيو.

ڪاروبار ۽ تخليق ڪندڙن لاءِ عملي ايپليڪيشنون

LoGeR وانگر ٽيڪنالاجي لاءِ امڪاني ايپليڪيشنون وسيع آهن. آرڪيٽيڪٽس ۽ ريئل اسٽيٽ ڊولپرز لاءِ، اهو سائيٽ جي سروي کي تبديل ڪري سگهي ٿو، هڪ سادي وڊيو واکٿرو کي اجازت ڏئي ٿي ته ملڪيت جو تفصيلي 3D ماڊل ٺاهي. تفريح ۾، فلم ساز ڊجيٽل سيٽ ٺاهي سگھن ٿا وسيع جڳھ جي اسڪائوٽنگ فوٽيج مان. لوجسٽڪس ۽ گودام جي انتظام لاء، اهو وڏي سهولتن جي متحرڪ 3D ميپنگ کي فعال ڪري سگهي ٿو. غير منظم وڊيو مان هڪ متحرڪ ڊجيٽل ٽوئن ٺاهڻ جي صلاحيت هڪ طاقتور اوزار آهي. Mewayz تي، اسان هن ٽيڪنالاجي سان هڪ قدرتي همراه ڏسون ٿا. اسان جو ماڊل ڪاروبار OS پيچيده ڊيٽا اسٽريمز کي ضم ڪرڻ ۽ ان جي جوڙجڪ ڪرڻ لاءِ ٺهيل آهي. تصور ڪريو هڪ پروجيڪٽ مئنيجمينٽ ماڊل جتي سائيٽ جي انسپيڪشن وڊيو خودڪار طريقي سان عمل ڪيو ويندو آهي هڪ اوزار جهڙوڪ LoGeR، ۽ نتيجو 3D ماڊل فوري طور تي ٽاسڪ لسٽن، انوینٽري، ۽ ٽائم لائنن سان ڳنڍيل آهي Mewayz پليٽ فارم جي اندر، پروجيڪٽ جي پيش رفت جو هڪ واقعي شاندار ۽ ڊيٽا سان ڀرپور نظارو مهيا ڪري ٿو.

اڳتي ڏسندي: اسپيٽيو temporal سمجھ جو مستقبل

LoGeR AI سسٽم ڏانهن هڪ اهم ليپ جي نمائندگي ڪري ٿو جيڪو اسان جي دنيا کي سمجهي سگهي ٿو نه صرف تصويرن جي هڪ سيريز طور، پر هڪ مسلسل، ترقي ڪندڙ 4D اسپيس (3D + وقت). مستقبل جي ورهاڱي شين ۽ ماڻهن کي ڪلاڪن ۾ بغير ڪنهن وقفي سان ٽريڪ ڪري سگهي ٿي، نه رڳو اهو سمجهي سگهي ٿو ته شيون ڪٿي آهن، پر اهي ڪيئن تبديل ٿين ٿا ۽ ڊگهي عرصي تائين لهه وچڙ ۾. هي spatiotemporal سمجھ ايندڙ سرحد آهي. پليٽ فارمن لاءِ Mewayz، جنهن جو مقصد هڪ ڪاروبار لاءِ مرڪزي آپريٽنگ سسٽم هجڻ آهي، اهڙين ترقي يافته فضائي ڊيٽا جي صلاحيتن کي ضم ڪرڻ سان انقلاب آڻي سگھي ٿو ته ڪمپنيون ڪيئن رٿائن، مانيٽرنگ ۽ فزيڪل آپريشنز جو تجزيو ڪن. اهو اسان کي مستقبل جي ويجھو منتقل ڪري ٿو جتي ڊجيٽل ۽ فزيڪل دنيا سمارٽ فيصلا ڪرڻ لاءِ هڪ ٻئي سان جڙيل آهي.