BEIJING, Oktubre 25, 2023 — Ang WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” o ang “Kumpanya”), isang nangungunang global na provider ng Hologram Augmented Reality (“AR”) Technology, ay nag-anunsyo ngayon na ang kanyang multi-view 3D reconstruction algorithm na batay sa semantic segmentation ay nagkakabit ng semantic segmentation at 3D reconstruction upang makamit ang mas tumpak na mga resulta ng 3D reconstruction. Sa tradisyonal na multi-view 3D reconstruction algorithm, karaniwang iniuukol lamang ang impormasyong heometriko ng larawan upang muling buuin ang 3D scene sa pamamagitan ng pag-extract ng mga punto ng tampok o pag-match ng mga tampok mula sa maraming mga pananaw, habang hindi pinapansin ang paggamit ng impormasyong semantiko, na nagreresulta sa mga resulta ng reconstruction na kulang sa pag-unawa at interpretasyon ng semantiks ng scene. Sa mabilis na pag-unlad ng deep learning, naging isang popular na direksyon ng pananaliksik sa larangan ng computer vision ang teknolohiya ng semantic segmentation. Maaaring iugnay ng teknolohiya ng semantic segmentation ang bawat pixel sa isang imahe sa iba’t ibang kategoryang semantiko upang makamit ang tumpak na segmentasyon at pag-unawa semantiko ng mga bagay sa isang imahe. Ang multi-view 3D reconstruction algorithm na batay sa semantic segmentation na inaaral ng WiMi ay nagkakabit ng teknolohiya ng semantic segmentation sa paraan ng 3D reconstruction upang makamit ang tumpak na reconstruction at pag-unawa semantiko ng mga 3D na scene.
Maaaring magbigay ang impormasyong semantiko ng mas maraming konteksto at mga paghihigpit semantiko, at sa pamamagitan ng paglalapat ng teknolohiya ng semantic segmentation sa multi-view 3D reconstruction, mas tumpak na impormasyong semantiko ang makukuha sa proseso ng reconstruction, na nagpapabuti sa tumpak at pag-unawa ng mga resulta ng reconstruction. Sa mga praktikal na aplikasyon, maaaring gamitin ang multi-view 3D reconstruction na batay sa semantic segmentation upang muling buuin ang mga 3D na scene upang bigyan ang mga gumagamit ng mas realistikong karanasan. Halimbawa, sa pagrereconstruct ng isang gusali, maaaring iugnay ng semantic segmentation ang iba’t ibang mga lugar sa iba’t ibang kategorya, tulad ng mga pader, bintana, pinto, at iba pa, kaya mas tumpak na ipinapakita ng mga resulta ng reconstruction ang istraktura at komposisyon ng gusali. Bukod dito, maaaring gamitin ang multi-view 3D reconstruction algorithm na batay sa semantic segmentation sa iba pang mga larangan, tulad ng awtomatikong pagmamaneho, virtual reality, augmented reality, at iba pa, upang makamit ang mas tumpak na pag-unawa at simulasyon ng scene. Ang pag-unlad ng mga multi-view 3D reconstruction algorithms na batay sa semantic segmentation ay may mahalagang halaga sa pananaliksik at aplikasyon.
Sa proseso ng paglalapat ng multi-view 3D reconstruction algorithm na batay sa semantic segmentation ng WiMi, kailangan munang iproseso at kumuha ng tampok ang input na multi-view na imahe, at ang pre-processing ay naglalaman ng mga operasyon tulad ng paglilinis ng ingay at pagpapahusay ng imahe, at pagkatapos ay kinukuha ang mga punto ng tampok para sa bawat imahe upang makuha ang mapa ng tampok. Pagkatapos ay semantikong nasegmento ang mapa ng tampok gamit ang isang network ng semantic segmentation upang makuha ang label na semantiko ng bawat pixel. Pagkatapos, ayon sa label na semantiko, hanapin ang magkatugmang mga pixel sa iba’t ibang mga pananaw at itatag ang katugmaan sa pagitan ng mga punto ng tampok. Batay sa mga resulta ng pagtugma ng pixel, muling binubuo ang 3D na point cloud gamit ang algoritmong triangulasyon. Pagkatapos, pinaiigting ang muling binuong 3D na point cloud, kabilang ang mga operasyon tulad ng pag-alis ng mga punto ng outlier at pagpunan ng mga rehiyong nawawala, at pagkatapos ay nakamit ang mga resulta ng 3D reconstruction. Maaaring makamit ng algoritmo ang tumpak na 3D reconstruction sa mga multi-view na scene, at maaaring magbigay ito ng mas maraming impormasyon sa pamamagitan ng semantic segmentation upang mapabuti ang tumpak ng reconstruction.
Kumpara sa mga tradisyonal na algoritmo ng 3D reconstruction, ang multi-view 3D reconstruction algorithm na batay sa semantic segmentation ay maaaring mas mabilis na maisagawa ang pagproseso ng imahe at pagkalkula. Sa pamamagitan ng paggamit ng impormasyong semantiko, maaaring bawasan ng algoritmo ang hindi kailangang pagkalkula at pagproseso, na nagpapataas ng bilis ng pagtakbo ng algoritmo. Bukod dito, maaaring tumulong ang semantic segmentation sa algoritmo upang mas maayos na gamitin ang kakayahan ng paralel na pagkalkula, na higit pang naaayos ang kapabilidad ng algoritmo.
Sa pamamagitan ng paggamit ng teknik ng semantic segmentation, maaari ring mas mainam na unawain ng algoritmo ang mga hangganan ng bagay at impormasyong istraktural sa imahe, kaya naaayos ang tumpak ng 3D reconstruction. Sa pagugnay ng bawat pixel sa katugmang kategoryang semantiko nito, mas mainam na makikilala ng algoritmo ang mga hangganan sa pagitan ng iba’t ibang mga bagay at mas mainam na mababalik ang mga detalye ng mga bagay. Bukod dito, maaaring tumulong ang teknik ng semantic segmentation sa algoritmo upang mas mainam na harapin ang ingay at pagtago sa imahe. Sa pamamagitan ng pagsegmento ng imahe sa mga rehiyong semantiko, mas mainam na makikilala at haharapin ang mga bagay na nakatago, kaya naaayos ang katatagan ng reconstruction. Bukod pa rito, maaaring tumulong ang semantic segmentation sa mga algoritmo upang mas mainam na harapin ang mga pagkakaiba-iba sa ilaw at mababang kalidad ng imahe.
May malinaw na mga kapakinabangan ang multi-view 3D reconstruction algorithm ng WiMi na batay sa semantic segmentation sa halip na tumpak at kapabilidad. Ang mga kapakinabangang ito ay nagpapahintulot sa algoritmo na mas mainam na muling buuin ang tunay na mga 3D na scene sa praktikal na mga aplikasyon at mas mainam na harapin ang iba’t ibang mga komplikadong sitwasyon sa tunay na mundo.
Sa kasalukuyan, nagawa na ng deep learning ang napakahalagang mga resulta sa larangan ng semantic segmentation at 3D reconstruction. Sa hinaharap, aaralin pa ng WiMi kung paano ikabit ang mga paraan ng deep learning sa tradisyonal na pagkalkulang heometriko, ganap na gamitin ang mga kapakinabangan ng parehong ito, at mapabuti ang katangian at epekto ng mga multi-view 3D reconstruction algorithms na batay sa semantic segmentation.
Tungkol sa WIMI Hologram Cloud
Ang WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) ay isang komprehensibong tagapag-solve ng solusyong teknikal na holographic cloud na nakatuon sa mga propesyonal na larangan kabilang ang software ng holographic AR automotive HUD, 3D holographic pulse LiDAR, head-mounted light field holographic equipment, holographic semiconductor, software ng holographic cloud, car navigation na holographic at iba pa. Ang kanyang mga serbisyo at teknolohiya ng holographic AR ay naglalaman ng aplikasyon ng holographic AR sa automobil, teknolohiya ng 3D holographic pulse LiDAR, teknolohiya ng holographic vision semiconductor, pag-unlad ng software na holographic, teknolohiya ng holographic AR advertising, teknolohiya ng holographic AR entertainment, pagbabayad ng holographic ARSDK, interaktibong komunikasyong holographic at iba pang teknolohiya ng holographic AR.
Pahayag ng Ligtas na Bahagi
Naglalaman ang pahayag na ito ng “mga pahayag sa hinaharap” ayon sa Private Securities Litigation Reform Act of 1995. Maaaring makilala ang mga pahayag sa hinaharap sa pamamagitan ng terminolohiyang “magiging,” “inaasahan,” “posibleng,” “magpapatuloy,” “magpaplano,” at katulad na pahayag. Ang mga pahayag na hindi historikal na katotohanan, kabilang ang mga pahayag tungkol sa paniniwala at inaasahan ng Kompanya, ay mga pahayag sa hinaharap. Kasama sa outlook sa negosyo at mga kutip mula sa pamamahala sa pahayag na ito at sa planong estratehiko at operasyonal ng Kompanya ang mga pahayag sa hinaharap. Maaaring gumawa rin ang Kompanya ng nakasulat o nakausap na mga pahayag sa hinaharap sa kanyang mga ulat sa SEC sa Mga Porma 20-F at 6-K, sa kanyang taunang ulat sa mga shareholder, sa mga pahayag sa imprenta, at iba pang nakasulat na materyal, at sa nakausap na pahayag ng kanyang mga opisyal, direktor o empleyado sa ika-tatlo. Naglalaman ang mga pahayag sa hinaharap ng mga panganib at kawalan ng katiyakan. Ilan sa mga bagay na maaaring sanhi ng aktuwal na resulta na magkaiba sa anumang pahayag sa hinaharap ay ang sumusunod: ang mga layunin at estratehiya ng Kompanya; ang hinaharap na pag-unlad ng negosyo, kondisyon pinansyal, at resulta ng operasyon ng Kompanya; ang inaasahang paglago ng industriya ng AR holographic; at ang mga inaasahan ng Kompanya tungkol sa demand at pagtanggap ng merkado sa kanyang mga produkto at serbisyo.
Karagdagang impormasyon tungkol sa mga ito at iba pang panganib ay kasama sa taunang ulat ng Kompanya sa Form 20-F at sa kasalukuyang ulat sa Form 6-K at iba pang dokumento na inihain sa SEC. Lahat ng impormasyon sa pahayag na ito ay ayon sa petsa ng pahayag na ito. Hindi kinukuha ng Kompanya ang anumang obligasyon upang i-update ang anumang pahayag sa hinaharap maliban sa kinakailangan sa ilalim ng mga batas.
