Seul Milli Universiteti tərəfindən

Lisa Lock tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Ouroboros-un iş prinsipi. Ənənəvi metodlar (solda) obyekt və fon hərəkətinin yaratdığı vizual dəyişiklikləri aşkarlayır və yamaları müvafiq olaraq yenidən hesablayır, Ouroboros (sağda) isə eyni vizual məlumatları izləmək və yalnız faktiki dəyişikliklərin baş verdiyi bölgələri seçmə şəkildə yenidən hesablamaq üçün video kodlayıcıdan hərəkət vektorlarından istifadə edir. Qırmızı yenidən hesablanmış yamaları, yaşıl isə təkrar istifadə olunmuş yamaları göstərir. Mənbə: Seul Milli Universiteti Mühəndislik Kolleci

Seul Milli Universiteti Mühəndislik Kollecinin Elektrik və Kompüter Mühəndisliyi kafedrasının professoru Kyunqan Linin rəhbərlik etdiyi tədqiqat qrupu, kənar cihazlarda ənənəvi metodlarla tələb olunan hesablamanın 13,0%-ni istifadə edərək görmə transformatoruna əsaslanan video təhlilini 2,61 dəfə daha sürətli həyata keçirən “Ouroboros” süni intellekt sistemi hazırlayıb.

Sistem, ardıcıl video kadrlarda dəfələrlə görünən vizual məlumatları yenidən hesablamaq əvəzinə, onları təkrar istifadə etməklə görmə transformatorlarında artıq hesablamaları azaldır. Xüsusilə, obyektləri və fonları video daxilində hərəkət etdikcə izləyir, eyni vizual məlumatları müəyyən edir və yalnız əhəmiyyətli dəyişikliklər olan bölgələri seçici şəkildə hesablayır.

Komanda nümayiş etdirdi ki, Ouroboros yüksək performanslı video süni intellekt modellərinin dəqiqliyini qoruyarkən hesablamanı, gecikməni və enerji istehlakını əhəmiyyətli dərəcədə azalda bilər. Buna görə də, Ouroboros-un güc və hesablama resurslarının məhdud olduğu fiziki süni intellekt və genişləndirilmiş reallıq (AR) kimi sahələrdə real vaxt rejimində video süni intellektinin kommersiyalaşdırılmasını sürətləndirməkdə həlledici rol oynayacağı gözlənilir.

Tədqiqat 23 iyun tarixində Böyük Britaniyanın Kembric şəhərində 22-24 iyun tarixlərində keçirilən ACM MobiSys 2026- da şifahi şəkildə təqdim edildi .

Niyə mövcud metodlar səyi boşa sərf edir

Son zamanlar görmə transformatorları obyekt aşkarlanması, təsvir seqmentləşdirilməsi və avtonom idarəetmə qavrayışı da daxil olmaqla müxtəlif vizual süni intellekt tətbiqlərində yüksək performans nümayiş etdiriblər. Lakin, giriş şəkillərini birdən çox yamaya böldükləri və bütün yamalar arasında hesablama əlaqələri yaratdıqları üçün əhəmiyyətli hesablama və yaddaş resursları tələb edirlər. Nəticədə, hesablama resurslarının və gücünün məhdud olduğu smartfonlar, robotlar və dronlar kimi kənar cihazlarda real vaxt rejimində yerləşdirmək çətindir.

Videolar ardıcıl kadrlardan ibarətdir və bitişik kadrlar çox oxşar xüsusiyyətlərə malikdir. Yolda nəqliyyat vasitələri və ya piyadalar kimi obyektlər çox vaxt ardıcıl kadrlarda kiçik mövqe dəyişiklikləri ilə görünür. Buna görə də, əvvəllər hesablanmış məlumatlar təkrar istifadə edilə bilsə, artıq hesablamalar əhəmiyyətli dərəcədə azaldıla bilər.

Artıq məlumatları kadrlar arasında təkrar istifadə etmək üçün müxtəlif yüngül video süni intellekt üsulları təklif edilmişdir. Lakin, bu üsullar adətən piksel mövqelərinə və ya kadr fərqlərinə əsasən artıqlığı müəyyən edir. Nəticədə, kamera silkələndikdə və ya obyektlər hərəkət etdikdə, əslində eyni olan bölgələrin yenidən hesablanması lazımdır ki, bu da onların effektivliyini məhdudlaşdırır.

Piksellər əvəzinə hərəkəti izləmək

Bu məhdudiyyətləri aradan qaldırmaq üçün Linin komandası videolara obyektlər və arxa planlar haqqında hərəkət məlumatlarını daxil etməklə artıq hesablamaları azaldan yeni bir video süni intellekt sistemi olan Ouroboros təklif etdi.

Ouroboros, ardıcıl kadrlar arasında paylaşılan eyni vizual məlumatları müəyyən etmək üçün aparat video kodlayıcıları tərəfindən təmin edilən hərəkət vektorlarından istifadə edir. Bu, sistemə kadr daxilində mövqeyini dəyişdikdə belə eyni obyekti və ya fonu tanımağa və əvvəlki kadrlardan hesablama nəticələrini təkrar istifadə etməyə imkan verir.

Obyektlər ekranın kənarlarından kənara çıxdıqda məlumat itkisini aradan qaldırmaq üçün tədqiqatçılar sol-sağ və yuxarı-aşağı sərhədləri sorunsuz şəkildə birləşdirilmiş kimi qəbul edən toroidal giriş sahəsi təqdim etdilər. Obyektlərin yerləşmə məlumatlarını obyektlərin yeni mövqelərinə uyğun olaraq yenidən yerləşdirən bir texnika ilə birləşdirilən bu yanaşma, çərçivə sərhədlərini keçən obyektlərin davamlı varlıqlar kimi dəqiq şəkildə tanınmasına imkan verir.

Bundan əlavə, sistem bütün çərçivəni yenidən hesablamaq əvəzinə, yalnız əhəmiyyətli dəyişiklikləri olan bölgələri seçici şəkildə yenidən hesablayır və qalanları üçün əvvəlki nəticələrdən təkrar istifadə edir. Komanda həmçinin yaddaşa giriş xərclərini minimuma endirən hesablama strukturu hazırladı və hesablamalarda azalmaların birbaşa emal sürətinin və enerji səmərəliliyinin artmasına səbəb olmasını təmin etdi.

Kiçik dəqiqlik itkisi ilə böyük qazanclar

Təcrübə nəticələri göstərdi ki, Ouroboros NVIDIA Jetson Orin kənar cihazlarında hesablama yükündə 87,0%-ə qədər azalma, nəticə çıxarma sürətində 2,61 dəfə artım və enerji istehlakında 64,5% azalma əldə etmişdir. Obyekt aşkarlanması və nümunə seqmentləşdirmə tapşırıqlarında dəqiqlik itkisini 1%-dən aşağı səviyyədə saxlamışdır. Video məlumatlarının emal üçün serverə ötürüldüyü ssenarilərdə belə, Ouroboros mövcud metodlarla müqayisədə azaldılmış şəbəkə bant genişliyi ilə daha yüksək dəqiqliyə nail olmuşdur.

Ouroboros özü yeni hazırlanmış görmə transformatoru modeli deyil, ardıcıl videonun emalı zamanı artıq hesablamaları azaldan sistem səviyyəli bir texnologiyadır. Beləliklə, o, mövcud görmə transformatoruna əsaslanan video süni intellekt modellərinin geniş çeşidinə asanlıqla tətbiq oluna bilər. Onun tətbiqi, həmçinin kənar cihazların və serverlərin hesablamada əməkdaşlıq etdiyi daha genişmiqyaslı video süni intellekt modellərinə və hibrid sistemlərə də genişləndirilə bilər.

Laboratoriyadan kənarda süni intellektdən istifadə edin

Texnologiyanın məhdud güc və hesablama resurslarına malik kənar cihazlarda yüksək performanslı video süni intellektinin səmərəli şəkildə işləməsi üçün əsas imkan yaradacağı gözlənilir. Buna görə də, onun avtonom sürücülük, ağıllı CCTV, dronlar, robototexnika, mobil AR və ağıllı fabriklər kimi real vaxt rejimində video təhlili tələb edən tətbiqlərdə geniş istifadə olunacağı gözlənilir.

Bundan əlavə, bütün video axınları əvəzinə yalnız süni intellekt üçün lazım olan məlumatları ötürməklə sistem şəbəkə istifadəsini əhəmiyyətli dərəcədə azalda bilər. Bunun məhdud şəbəkə bant genişliyi şəraitində belə sabit və dəqiq video təhlili xidmətlərinə töhfə verəcəyi gözlənilir. Faydaların əsasən statik mühitlərdə, məsələn, CCTV nəzarətində və ya robotların nisbətən sadə hərəkət nümunələri nümayiş etdirdiyi ssenarilərdə daha da böyük olacağı gözlənilir.

Tədqiqata rəhbərlik edən Li bildirib ki, “Bu tədqiqat həm hesablama, həm də şəbəkə problemlərini eyni vaxtda həll edə bilən əsas texnologiyanı təmin etməsi baxımından əhəmiyyətlidir. Bu problemlər, humanoid sistemlər də daxil olmaqla, fiziki süni intellekt sistemlərinin tətbiqində əsas maneələrdir. Biz fiziki süni intellekt və süni intellekt yarımkeçirici şirkətləri ilə əməkdaşlıq edərək Ouroboros-un kommersiyalaşdırılmasını fəal şəkildə davam etdirməyi planlaşdırırıq.”

Bu tədqiqata əsaslanaraq, Linin komandası tək görüntü girişləri üçün kənar bulud əməkdaşlıq nəticəsini sürətləndirmək üçün işini videodan kənara çıxarmağı planlaşdırır.

Daha çox məlumat

Chanjeong Park və digərləri, Ouroboros: Kənarda Səmərəli Video Analitikası üçün ViT-lərdə Hərəkət Şüurunun Təşviqi, Mobil Sistemlər, Tətbiqlər və Xidmətlər üzrə 24-cü İllik Beynəlxalq Konfransın Materialları (2026). DOI: 10.1145/3745756.3809212

Əsas anlayışlar

Hesablama 3D görməSeul Milli Universiteti tərəfindən təmin edilir