“video akışı” için sonuçlar
3 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
3D Hacimsel Video Yayını İçin Yeni Yöntem Geliştirildi
Brown Üniversitesi bilgisayar bilimcileri, hacimsel video teknologisinin yaygınlaştırılması için önemli bir adım attı. Hacimsel video, izleyicilerin 3D sahneleri neredeyse her açıdan görüntüleyebildiği gelişmiş bir video formatıdır. Araştırmacılar, bu teknolojinin bilgisayar ve akıllı televizyonlara taşınması için kritik engellerin üstesinden gelmeyi başardı. Yeni yöntem, veri yoğunluğu yüksek olan hacimsel videoların daha verimli işlenmesini sağlıyor. Bu gelişme, sanal gerçeklik, artırılmış gerçeklik ve etkileşimli medya deneyimleri için yeni olanaklar sunuyor. Teknoloji, kullanıcıların video içeriğini farklı perspektiflerden izlemelerine imkan tanırken, mevcut donanım sınırları içinde çalışacak şekilde optimize edildi.
OASIS: Video akışlarında yapay zeka için devrimsel hafıza sistemi geliştirildi
Araştırmacılar, sürekli akan video içeriklerini analiz eden yapay zeka sistemleri için yeni bir hafıza yönetimi çerçevesi geliştirdi. OASIS adlı bu sistem, geleneksel yaklaşımlardan farklı olarak hiyerarşik olay yapıları kullanarak sadece gerekli bilgileri saklar ve anlam temelli geri çağırma yapar. Sistem, belirsizlik durumlarında devreye giren kontrollü iyileştirme mekanizması ile çalışır. Bu yaklaşım, video akışı analizi, güvenlik sistemleri ve otonom araçlar gibi sürekli veri işleme gerektiren uygulamalarda önemli performans artışları sağlayabilir.
Video Sıkıştırmada Yapay Zeka için Yeni Esnek Yaklaşım: PAT-VCM
Araştırmacılar, makine öğrenmesi sistemleri için video sıkıştırma teknolojisinde önemli bir yenilik geliştirdi. PAT-VCM adlı yeni sistem, farklı yapay zeka görevleri için ayrı ayrı video kodlayıcı eğitme ihtiyacını ortadan kaldırıyor. Geleneksel yöntemler her görev için özel sıkıştırma algoritması gerektirirken, bu sistem tek bir temel video akışını hafif 'yardımcı tokenlar' ile destekleyerek çoklu görevlerde kullanılabiliyor. Sistem, görsel kalıntı tokenları, kontrol tokenları ve anlamsal tokenlar olmak üzere üç tür yardımcı bilgi türünü destekliyor. Nesne tespiti, derinlik tahmin etme ve görüntü segmentasyonu gibi farklı görevlerde test edilen sistem, her görev için ayrı model eğitme maliyetini azaltırken performansı koruyor. Bu yaklaşım, yapay zeka sistemlerinin video analizi yeteneklerini daha verimli hale getirerek endüstriyel uygulamalarda önemli bir adım teşkil ediyor.