BEIJING, 18 September 2023 – WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” atau “Perusahaan”), penyedia Teknologi Augmented Reality (“AR”) Hologram global terkemuka, hari ini mengumumkan bahwa pembelajaran mendalam diterapkan untuk pemulihan citra holografik non-linear. Secara aktif mengeksplorasi aplikasi dari pemulihan citra holografik non-linear berbasis pembelajaran mendalam. Teknologi ini memanfaatkan model jaringan saraf dalam, dan dengan mempelajari sejumlah besar data hologram, itu dapat secara otomatis mempelajari fitur distorsi non-linear dan membuat prediksi yang akurat selama proses pemulihan. Dibandingkan dengan metode tradisional, metode berbasis pembelajaran mendalam dapat lebih baik menangani distorsi non-linear, meningkatkan efek pemulihan, dan menyediakan basis data yang lebih akurat untuk analisis dan aplikasi hologram selanjutnya. Pemulihan citra holografik non-linear berbasis pembelajaran mendalam memiliki nilai aplikasi penting di bidang pemrosesan citra holografik.
Peran pemulihan citra holografik non-linear berbasis pembelajaran mendalam sangat penting, dengan mempelajari fitur non-linear dari citra dan model noise, pembelajaran mendalam dapat merealisasikan pemulihan citra yang lebih akurat dan meningkatkan kualitas dan kejernihan citra. Secara khusus, hal ini terutama tercermin dalam aspek-aspek berikut:
Pembelajaran fitur: Pembelajaran mendalam dapat mempelajari representasi fitur dalam citra melalui jaringan saraf multi-lapis untuk mengekstraksi fitur tingkat yang lebih tinggi. Fitur-fitur ini dapat lebih baik menggambarkan informasi struktural dan model noise dalam citra, sehingga memberikan dasar yang lebih akurat untuk pemulihan citra.
Pemodelan non-linear: Pembelajaran mendalam dapat memodelkan noise dalam citra dengan membangun model non-linear kompleks. Model non-linear ini dapat lebih baik menangkap distribusi dan karakteristik noise dalam citra, yang mengarah pada penghapusan noise dan pemulihan citra yang lebih akurat.
Penggerak data: Pembelajaran mendalam adalah pendekatan berbasis data yang dapat dilatih dan dipelajari dari sejumlah besar data citra. Ini memungkinkan pembelajaran mendalam untuk mempelajari model pemulihan citra yang lebih akurat dari data tanpa perlu secara manual merancang algoritma kompleks.
Pemulihan citra holografik non-linear ini mencakup modul kunci seperti pra-pemrosesan data, ekstraksi fitur, transformasi non-linear dan citra yang direkonstruksi. Pertama, citra holografik input dipra-proses, seperti pengurangan noise dan downsampling, untuk meningkatkan efek pemulihan dan mengurangi jumlah komputasi. Selanjutnya, fitur diekstraksi dari citra pra-pemrosesan melalui CNN. Fitur-fitur ini dapat mencakup informasi seperti tepi, tekstur, dll., yang digunakan dalam proses pemulihan berikutnya. Kemudian, berdasarkan ekstraksi fitur, informasi citra yang rusak atau hilang diperbaiki dengan memperkenalkan transformasi non-linear. Proses ini biasanya direalisasikan menggunakan model seperti jaringan saraf dalam, di mana dengan mempelajari sejumlah besar sampel hologram, jaringan dapat secara otomatis mempelajari hukum transformasi non-linear. Akhirnya, hologram yang diperbaiki direkonstruksi berdasarkan fitur yang diperbaiki dan transformasi non-linear.
Dengan memperbaiki hologram yang rusak, kami dapat memulihkan detail dan kualitas citra dan meningkatkan visualisasi citra. Ini sangat penting bagi aplikasi dan penelitian hologram dan memberikan dukungan kuat bagi pengembangan bidang terkait lebih lanjut.
Dalam penelitian pemulihan citra holografik non-linear berbasis pembelajaran mendalam, di masa depan, WiMi akan melakukan eksplorasi dan peningkatan mendalam dalam aspek optimasi struktur jaringan, perluasan dataset, fusi multi-modal, dan peningkatan kinerja waktu nyata, untuk lebih meningkatkan kinerja dan lingkup aplikasi teknologi pemulihan hologram non-linear berbasis pembelajaran mendalam.
Model pembelajaran mendalam saat ini masih memiliki beberapa keterbatasan saat menangani tugas pemulihan hologram non-linear. Penelitian masa depan akan didedikasikan untuk merancang struktur jaringan yang lebih efisien dan akurat untuk meningkatkan hasil pemulihan dan mengurangi konsumsi sumber daya komputasi. Misalnya, mungkin mencoba memperkenalkan mekanisme perhatian atau modul adaptif untuk meningkatkan kemampuan persepsi model, sehingga dapat lebih baik menangkap informasi detail dalam citra. Selain itu, dalam rangka meningkatkan kemampuan pemulihan model, penelitian masa depan juga akan mempertimbangkan perluasan dataset untuk memasukkan lebih banyak data citra hologram dari adegan yang berbeda dan di bawah kondisi pencahayaan yang berbeda. Selain itu, pengenalan lebih banyak noise dan distorsi di adegan nyata akan dipertimbangkan untuk meningkatkan adaptasi model terhadap situasi kompleks.
Tugas pemulihan citra holografik non-linear juga melibatkan berbagai modalitas termasuk informasi fase dan amplitudo dari hologram. Di masa depan, WiMi akan mengeksplorasi bagaimana lebih baik menggabungkan informasi dari modalitas yang berbeda ini untuk meningkatkan efek pemulihan. Upaya akan dilakukan untuk memperkenalkan pendekatan pembelajaran multi-tugas untuk secara simultan mempelajari pemulihan fase dan amplitudo untuk meningkatkan kinerja keseluruhan model. Selain ini, penelitian masa depan juga akan bertujuan untuk meningkatkan efisiensi komputasi model pembelajaran mendalam dan meningkatkan kinerja waktu nyata.
Tentang WIMI Hologram Cloud
WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) adalah penyedia solusi teknis awan hologram komprehensif yang berfokus pada bidang profesional termasuk perangkat lunak otomotif HUD hologram AR, LiDAR pulsa holografik 3D, peralatan lapangan cahaya holografik yang dipasang di kepala, semikonduktor holografik, perangkat lunak awan holografik, navigasi mobil holografik dan lainnya. Layanan dan teknologi AR holografiknya termasuk aplikasi otomotif AR holografik, teknologi LiDAR pulsa holografik 3D, teknologi semikonduktor visi holografik, pengembangan perangkat lunak holografik, teknologi iklan AR holografik, teknologi hiburan AR holografik, pembayaran SDK AR holografik, komunikasi holografik interaktif dan teknologi AR holografik lainnya.
Safe Harbor Statements
Rilis pers ini berisi “pernyataan ke depan” dalam Private Securities Litigation Reform Act tahun 1995. Pernyataan ke depan ini dapat diidentifikasi dengan terminologi seperti “akan,” “mengharapkan,” “mengantisipasi,” “masa depan,” “bermaksud,” “merencanakan,” “percaya,” “memperkirakan,” dan pernyataan serupa. Pernyataan yang bukan merupakan fakta historis, termasuk pernyataan tentang kepercayaan dan ekspektasi Perusahaan, adalah pernyataan ke depan. Antara lain, prospek bisnis dan kutipan dari manajemen dalam siaran pers ini dan rencana strategis dan operasional Perusahaan berisi pernyataan ke depan. Perusahaan juga dapat membuat pernyataan tertulis atau lisan ke depan dalam laporan berkala ke Komisi Sekuritas dan Bursa AS (“SEC”) pada Formulir 20-F dan 6-K, dalam laporan tahunan kepada pemegang saham, dalam siaran pers, dan materi tertulis lainnya, dan dalam pernyataan lisan yang dibuat oleh para pejabat, direktur atau karyawannya kepada pihak ketiga.
Pernyataan ke depan melibatkan risiko dan ketidakpastian inheren. Beberapa faktor dapat menyebabkan hasil aktual berbeda secara material dari yang terkandung dalam setiap pernyataan ke depan, termasuk tetapi tidak terbatas pada hal-hal berikut: tujuan dan strategi Perusahaan; pengembangan bisnis, kondisi keuangan, dan hasil operasi masa depan Perusahaan; pertumbuhan industri AR holografik yang diharapkan; dan ekspektasi Perusahaan mengenai permintaan dan penerimaan pasar atas produk dan layanannya.
Informasi lebih lanjut mengenai risiko-risiko ini termasuk dalam laporan tahunan Perusahaan pada Formulir 20-F dan laporan saat ini pada Formulir 6-K serta dokumen lain yang disampaikan kepada SEC. Semua informasi yang disediakan dalam siaran pers ini adalah per tanggal siaran pers ini. Perusahaan tidak berkewajiban untuk memperbarui pernyataan ke depan apa pun kecuali sebagaimana diharuskan berdasarkan hukum yang berlaku.