“artırılmış gerçeklik” için sonuçlar
30 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Ses Olaylarını 3D Uzayda Bulma: Yankılanma Tabanlı Yeni Özellikler
Araştırmacılar, ses olaylarını 3D uzayda daha doğru konumlandırmak için yankılanma tabanlı yeni özellikler geliştirdi. Geleneksel ses olay lokalizasyonu sadece sesin geldiği yönü tahmin ederken, bu yeni yaklaşım mesafe bilgisini de dahil ediyor. Çalışmada, direkt-yankı oranı ve sinyal otokorelasyonu kullanan iki farklı özellik formatı önerildi. Bu özellikler, sesin çevresel yansımalarından faydalanarak kaynak mesafesini daha iyi tahmin edebiliyor. STARSS23 veri seti üzerinde yapılan testler, bu yeni özelliklerin mevcut yöntemlerle birleştirildiğinde 3D ses lokalizasyonunda önemli iyileştirmeler sağladığını gösterdi. Bu gelişme, akıllı ses asistanları, güvenlik sistemleri ve artırılmış gerçeklik uygulamalarında kullanılabilecek daha gelişmiş ses analizi teknolojilerinin kapısını aralıyor.
Müze ziyaretçileri artırılmış gerçeklikle robotları keşfediyor
Alman araştırmacılar, müze ziyaretçilerinin robotik kavramları öğrenebilmesi için RHINO-AR adlı artırılmış gerçeklik sistemi geliştirdi. Deutsches Museum Bonn'da sergilenen tarihi RHINO robotunu sanal ortamda canlandıran sistem, ziyaretçilerin robot teknolojilerini interaktif şekilde keşfetmesini sağlıyor. Magic Leap 2 gözlüğü ile çalışan uygulama, LiDAR sensörleri, yol planlama ve hareket kabiliyetleri gibi normalde görülemeyen robotik süreçleri görselleştiriyor. Bu yenilikçi yaklaşım, müzelerde bilim eğitimini daha etkileyici hale getirirken, ziyaretçilerin karmaşık teknolojileri anlayabilmesine yardımcı oluyor.
GaussianFlow SLAM: Tek Kamera ile 3D Haritalama Devriminde Yeni Adım
Araştırmacılar, tek kamera kullanarak üç boyutlu haritalama yapabilen yenilikçi bir sistem geliştirdi. GaussianFlow SLAM adlı bu teknoloji, optik akış verilerini kullanarak kameradan gelen görüntüleri gerçekçi 3D haritalar haline getiriyor. Geleneksel yöntemlerde tek kameradan alınan görüntülerle derinlik bilgisi elde etmek zorken, bu sistem hareket eden nesnelerin akışını takip ederek geometrik ipuçları yakalıyor. Gaussian splatting tekniğini SLAM sistemleriyle birleştiren çalışma, robotik, otonom araçlar ve artırılmış gerçeklik alanlarında önemli uygulamalara sahip. Sistem, kamera hareketlerini ve sahne yapısını aynı anda optimize ederek daha doğru ve kararlı 3D modeller üretiyor.
PLAF: 3D Sahne Anlama İçin Yeni Dil Tabanlı Görüntü Analizi Sistemi
Araştırmacılar, 3D ortamları daha etkili şekilde anlayabilen yeni bir yapay zeka sistemi geliştirdi. PLAF adlı bu teknoloji, görüntülerdeki her pikseli doğal dille ilişkilendirerek 3D sahneleri anlama konusunda büyük ilerleme sağlıyor. Mevcut sistemlerin aksine, bu yeni yaklaşım hem dil ile uyumlu hem de mekânsal olarak hassas sonuçlar üretiyor. Sistem, büyük ölçekli 3D sahnelerde gereksiz veri fazlalığını önemli ölçüde azaltarak depolama ve sorgulama verimliliğini artırıyor. Bu gelişme, robotik, artırılmış gerçeklik ve otonom araçlar gibi 3D sahne anlama gerektiren uygulamalarda devrim yaratma potansiyeli taşıyor.
Spira: Otonom Araçlar için Üç Boyutlu Veri İşlemeyi Hızlandıran Yeni Algoritma
Stanford araştırmacıları, otonom araçların ve artırılmış gerçeklik sistemlerinin kullandığı üç boyutlu nokta bulutu verilerini işlemek için yeni bir algoritma geliştirdi. Spira adlı bu sistem, mevcut yöntemlere kıyasla 2.1 kata kadar daha hızlı çalışabiliyor. Geleneksel sparse konvolüsyon algoritmalarının veri hazırlama aşamalarında yaşadığı performans kayıplarını ortadan kaldıran Spira, voksel koordinatlarının matematiksel özelliklerini akıllıca kullanıyor. Sistem, üç temel prensibi temel alıyor: koordinatların tam sayı değerli olması, sınırlı bir uzaysal alanda bulunması ve geometrik süreklilik göstermesi. Bu yaklaşım, LiDAR sensörleri ve derinlik kameralarından gelen ham verilerin gerçek zamanlı işlenmesini mümkün kılarak, otonom sürüş ve sanal gerçeklik uygulamalarında önemli performans artışları sağlıyor. Araştırma, yapay zeka donanımlarının verimliliğini artırmaya yönelik önemli bir adım olarak değerlendiriliyor.
3AM: Video Segmentasyonunda Geometrik Tutarlılık Devrimi
Araştırmacılar, video analizi alanında önemli bir yenilik geliştirdi. 3AM adlı yeni sistem, SAM2 video segmentasyon teknolojisini 3D geometrik özelliklerle güçlendirerek, kamera açısı değişimlerinde bile tutarlı nesne takibi sağlıyor. Geleneksel yöntemlerin aksine, sadece RGB görüntü girişiyle çalışan sistem, karmaşık ön işleme veya kamera pozisyonu bilgisine ihtiyaç duymuyor. MUSt3R teknolojisinden gelen 3D farkındalığı sayesinde, sistem hem görsel benzerlik hem de uzamsal konum bilgisini kullanarak nesneleri daha güvenilir şekilde tanımlayabiliyor. Bu gelişme, video analizi, artırılmış gerçeklik ve robotik uygulamalar için önemli bir adım.