(SeaPRwire) – กรุงเทพฯ, วันที่ 15 พฤศจิกายน 2566 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” หรือ “บริษัท”) ผู้นําระดับโลกในเทคโนโลยี Hologram Augmented Reality (“AR”) ได้ประกาศว่า บริษัทได้รวมแอลกอริทึมเลิร์นลึกเข้ากับการสร้างฮอโลกรัมหลายระดับเพื่อสกัดข้อมูลความลึกของฉาก 3D จากภาพนําเข้า 2D และแปลงมันเป็นฮอโลกรัมเพื่อทําให้เกิดการสร้างฮอโลกรัมหลายระดับได้ ฮอโลกรัมหลายระดับเป็นประเภทของภาพ 3D ที่ถูกสร้างขึ้นโดยใช้เทคโนโลยีเลิร์นลึก ซึ่งสามารถให้ผลการแสดงที่เป็นจริงมากขึ้นและมีลักษณะสามมิติ ฮอโลกรัมดั้งเดิมสามารถแสดงข้อมูลความลึกเพียงระดับเดียว ในขณะที่ฮอโลกรัมหลายระดับสามารถแสดงข้อมูลความลึกหลายระดับพร้อมกัน ซึ่งอนุญาตให้ผู้สังเกตการณ์สามารถมองภาพจากมุมมองที่แตกต่างกันและรับรู้ความลึกที่แตกต่างกัน โดยมีขอบเขตการประยุกต์ใช้งานกว้างขวางในสาขาความเป็นจริงเสมือน ความเป็นจริงเพิ่มขึ้น และการถ่ายภาพทางการแพทย์
แอลกอริทึมเลิร์นลึกเป็นสิ่งสําคัญต่อการสร้างฮอโลกรัมหลายระดับ มันสามารถเรียนรู้และปรับแต่งพารามิเตอร์แบบจําลองได้อย่างอัตโนมัติจากข้อมูลฝึกซึ่งลดการแทรกแซงมือคนและปรับปรุงประสิทธิภาพการสร้าง การเรียนรู้เลิร์นลึกสามารถเรียนรู้และอธิบายข้อมูลซับซ้อนได้อย่างมีประสิทธิภาพด้วยการสร้างโมเดลเนืองของเครือข่ายประสาทเทียมหลายชั้นและใช้ข้อมูลที่มีการติดป้ายข้อมูลเป็นจํานวนมากสําหรับการฝึก สําหรับการสร้างฮอโลกรัมหลายระดับ แอลกอริทึมเลิร์นลึกสามารถใช้เพื่อเรียนรู้ความสัมพันธ์และลักษณะระหว่างภาพที่มีความลึกต่างกันเพื่อที่จะสามารถสร้างฮอโลกรัมได้ พารามิเตอร์ของแบบจําลองจะถูกปรับแต่งอย่างต่อเนื่องโดยอัลกอริทึมการกลับกระแสเพื่อให้สามารถสร้างฮอโลกรัมหลายระดับได้อย่างดีขึ้น
แบบจําลองต้องถูกฝึกก่อนโดยใช้แบบจําลองเลิร์นลึก หลังจากการฝึกเสร็จสิ้น ภาพ 2D ใหม่สามารถถูกนําเข้าไปในแบบจําลองเพื่อการพยากรณ์ แบบจําลองจะแปลงภาพนําเข้า 2D เป็นฮอโลกรัมที่เป็นจริงขึ้นอยู่กับความรู้และประสบการณ์ที่ได้รับจากการฝึก ในกระบวนการนี้ แบบจําลองจะใช้ลักษณะ สี ความลึก และลักษณะอื่นๆ ในภาพเพื่อกู้คืนรูปร่างและโครงสร้าง 3D ของวัตถุ ก่อนอื่นต้องสะสมฐานข้อมูลภาพที่มีความลึกต่างกัน ภาพข้อมูลที่สะสมจะถูกประมวลผลก่อน เช่น การลดรบกวนและการปรับปรุงภาพ เพื่อปรับปรุงผลการฝึกของแบบจําลอง ภาพเหล่านี้สามารถถูกฝึกโดยใช้แบบจําลองเลิร์นลึกเช่น เครือข่ายประสาทเทียมขั้นตอนการถ่ายภาพ (CNN) หรือเครือข่ายประสาทเทียมต่อต้านกัน (GAN) ระหว่างกระบวนการฝึก แบบจําลองเรียนรู้ความสัมพันธ์ระหว่างภาพที่มีความลึกต่างกันเพื่อสามารถสร้างฮอโลกรัมได้ หลังจากการฝึกเสร็จสิ้น แบบจําลองฝึกแล้วสามารถใช้พยากรณ์และสร้างฮอโลกรัมหลายระดับสําหรับภาพใหม่ได้
บทความนี้ให้บริการโดยผู้ให้บริการเนื้อหาภายนอก SeaPRwire (https://www.seaprwire.com/) ไม่ได้ให้การรับประกันหรือแถลงการณ์ใดๆ ที่เกี่ยวข้องกับบทความนี้
หมวดหมู่: ข่าวสําคัญ ข่าวประจําวัน
SeaPRwire ให้บริการกระจายข่าวประชาสัมพันธ์แก่ลูกค้าทั่วโลกในหลายภาษา(Hong Kong: AsiaExcite, TIHongKong; Singapore: SingdaoTimes, SingaporeEra, AsiaEase; Thailand: THNewson, THNewswire; Indonesia: IDNewsZone, LiveBerita; Philippines: PHTune, PHHit, PHBizNews; Malaysia: DataDurian, PressMalaysia; Vietnam: VNWindow, PressVN; Arab: DubaiLite, HunaTimes; Taiwan: EAStory, TaiwanPR; Germany: NachMedia, dePresseNow)
กับการปรับปรุงอัลกอริทึมอย่างต่อเนื่อง เทคโนโลยีการสร้างฮอโลกรัมหลายระดับบนพื้นฐานแอลกอริทึมเลิร์นลึกจะเปิดรับโอกาสการพัฒนากว้างขวา