กรุงเทพฯ, 20 ก.ย. 2566 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้ให้บริการเทคโนโลยี Hologram Augmented Reality (“AR”) ชั้นนําระดับโลก ได้ประกาศในวันนี้ว่า ได้พัฒนาโซลูชันใหม่ที่ใช้การเรียนรู้ของเครื่องลึกเพื่อสร้างเครือข่ายการสร้างภาพโฮโลแกรมใหม่ ซึ่งจะปฏิวัติวิธีการสร้างภาพโฮโลแกรมรูปแบบเดิม เทคโนโลยีนี้สามารถสร้างภาพที่ไร้สัญญาณรบกวนได้โดยไม่ต้องอาศัยความรู้พื้นฐานล่วงหน้า ผ่านกรอบการทํางานปลายสุดโดยใช้การเรียนรู้ของเครื่อง ซึ่งสามารถจัดการกับการสร้างภาพเฟสและแผนที่ความลึกได้ เครือข่ายการสร้างภาพโฮโลแกรมของ WiMi ใช้โครงสร้างเครือข่ายลึกแบบซ้อนกัน ซึ่งสามารถรับข้อมูลภาพโฮโลแกรม สกัดคุณลักษณะ และสร้างภาพผ่าน 3 บล็อกฟังก์ชัน
แรกสุด บล็อกรับข้อมูลสามารถรับวัตถุแอมพลิจูด วัตถุเฟส หรือโฮโลแกรมที่มีส่วนของวัตถุทั้งสองอย่าง เพื่อรองรับประเภทของข้อมูลนําเข้าต่างๆ เครือข่ายจะเตรียมชุดข้อมูลสําหรับการสร้างภาพแต่ละครั้งและฝึกฝนแยกกัน ต่อมา บล็อกสกัดคุณลักษณะใช้เครือข่ายลึกแบบซ้อนกันระดับกลาง ประกอบด้วยเลเยอร์คอนโวลูชัน เลเยอร์บัลค์นอร์มาไลเซชัน และเลเยอร์แอกทิเวชันแบบไม่เชิงเส้น การแนะนํายูนิตซ้อนกันปรับปรุงความเร็วและความแม่นยําของเครือข่ายได้อย่างมาก และการซ้ํายูนิตซ้อนกันหลายระดับยิ่งเพิ่มความสามารถในการแทนข้อมูล สุดท้าย บล็อกสร้างภาพประกอบด้วยเลเยอร์คอนโวลูชันแบบซับพิกเซล ซึ่งขยายภาพกลางที่ลดขนาดลงให้กลับมาขนาดเดิมด้วยวิธีคอนโวลูชันแบบซับพิกเซล การกู้ภาพความละเอียดเดิมลดการคํานวณและเวลาได้อย่างมาก
หัวใจสําคัญของเครือข่ายการสร้างภาพโฮโลแกรมใหม่นี้ของ WiMi คือการใช้การเรียนรู้ของเครื่องที่ใช้ความสามารถในการปรับให้เข้ากันและสกัดคุณลักษณะของเครือข่ายประสาทลึก จุดแข็งของการเรียนรู้ของเครื่องอยู่ที่ความยืดหยุ่นและอัลกอริทึมการฝึกฝนที่ทรงพลัง ซึ่งสามารถเลียนแบบฟังก์ชันต่อเนื่องใดๆ ได้ ผ่านการเรียนรู้จากข้อมูล เครือข่ายการสร้างภาพโฮโลแกรมสามารถเรียนรู้การแทนคุณลักษณะและกระบวนการสร้างภาพโฮโลแกรมโดยอัตโนมัติโดยไม่ต้องพึ่งความรู้พื้นฐานและการดําเนินการด้วยมือ ซึ่งนํามาซึ่งศักยภาพและความสะดวกสบายมากมายในการประยุกต์ใช้เทคโนโลยีโฮโลแกรม
กระบวนการของเครือข่ายการสร้างภาพโฮโลแกรมของ WiMi ที่ใช้การเรียนรู้ของเครื่องมีดังนี้:
การเตรียมข้อมูล: เตรียมชุดข้อมูลโฮโลแกรมสําหรับการฝึกฝนและทดสอบ ชุดข้อมูลอาจรวมถึงวัตถุแอมพลิจูด วัตถุเฟส หรือโฮโลแกรมที่มีข้อมูลแอมพลิจูดและเฟสทั้งคู่
การฝึกเครือข่าย: ฝึกเครือข่ายการสร้างภาพโฮโลแกรมโดยใช้ชุดข้อมูลที่เตรียมไว้ ฝึกเครือข่ายให้สร้างภาพสร้างขึ้นใหม่ที่แม่นยําโดยใช้ภาพโฮโลแกรมเป็นข้อมูลนําเข้า ในระหว่างการฝึกฝน จะใช้ฟังก์ชันการสูญเสียท