WiMi Nagpaunlad ng Malalim na Pagkatuto batay sa Hindi-linear na Pagpapanumbalik ng Imahe ng Holograma

BEIJING, Sept. 18, 2023 — WiMi Hologram Cloud Inc. (NASDAQ: WIMI) (“WiMi” o ang “Kompanya”), isang nangungunang global na tagapagkaloob ng Teknolohiya ng Hologram Augmented Reality (“AR”), ay nag-anunsyo ngayon na ang malalim na pag-aaral ay inilalapat sa hindi linear na pagpapanumbalik ng imahe ng holograma. Aktibong ini-explore ang application ng hindi linear na pagpapanumbalik ng imahe ng holograma batay sa malalim na pag-aaral. Ang teknolohiya ay gumagamit ng isang modelo ng malalim na neural network, at sa pamamagitan ng pag-aaral ng isang malaking dami ng data ng holograma, ito ay maaaring awtomatikong matutunan ang tampok ng hindi linear na distortion at gumawa ng tumpak na mga prediksyon sa panahon ng proseso ng pagpapanumbalik. Kumpara sa mga tradisyunal na pamamaraan, ang pamamaraang batay sa malalim na pag-aaral ay maaaring mas mahusay na hawakan ang hindi linear na distortion, pahusayin ang epekto ng pagpapanumbalik, at magbigay ng isang mas tumpak na database para sa magkasunod na pagsusuri at application ng mga holograma. Ang pagpapanumbalik ng imahe ng holograma batay sa malalim na pag-aaral ay may mahalagang halaga ng application sa larangan ng pagpoproseso ng imahe ng holograma.

Ang papel ng pagpapanumbalik ng imahe ng holograma batay sa malalim na pag-aaral ay napakahalaga, sa pamamagitan ng pag-aaral ng mga tampok na hindi linear ng imahe at modelo ng ingay, ang malalim na pag-aaral ay maaaring magtungo sa mas tumpak na pagpapanumbalik ng imahe at pahusayin ang kalidad at kalinawan ng imahe. Partikular ito, pangunahin itong naipapakita sa mga sumusunod na aspeto:

Pag-aaral ng tampok: Ang malalim na pag-aaral ay maaaring matutunan ang mga representasyon ng tampok sa mga imahe sa pamamagitan ng maramihang layer na mga neural network upang kunin ang mga mas mataas na antas na tampok. Ang mga tampok na ito ay maaaring mas mahusay na ilarawan ang impormasyon ng istruktura at mga modelo ng ingay sa imahe, na nagbibigay ng isang mas tumpak na batayan para sa pagpapanumbalik ng imahe.

Hindi linear na paggawa ng modelo: Ang malalim na pag-aaral ay maaaring gumawa ng modelo ng ingay sa mga imahe sa pamamagitan ng paglikha ng kumplikadong hindi linear na mga modelo. Ang mga hindi linear na modelo na ito ay maaaring mas mahusay na mahuli ang distribution at mga katangian ng ingay sa isang imahe, na humahantong sa mas tumpak na pag-alis ng ingay at pagpapanumbalik ng imahe.

Pinapagana ng data: Ang malalim na pag-aaral ay isang paraan na pinapagana ng data na maaaring sanayin at matutunan mula sa malalaking dami ng data ng imahe. Ito ay nagpapahintulot sa malalim na pag-aaral upang matutunan ang mas tumpak na mga modelo ng pagpapanumbalik ng imahe mula sa data nang hindi kailangan ng manu-manong pagdisenyo ng kumplikadong mga algorithm.

Ang hindi linear na pagpapanumbalik ng imahe ng holograma ay kabilang ang mahahalagang module tulad ng pag-pre-proseso ng data, pagkuha ng tampok, hindi linear na transformasyon at naibalik na imahe. Una, ang input na imahe ng holograma ay na-pre-proseso, tulad ng pag-aalis ng ingay at pagbaba ng sample, upang pahusayin ang epekto ng pagpapanumbalik at bawasan ang dami ng computation. Susunod, ang mga tampok ay kinuha mula sa na-pre-prosesong imahe sa pamamagitan ng CNN. Ang mga tampok na ito ay maaaring kabilang ang impormasyon tulad ng mga gilid, textures, atbp., na ginagamit sa magkasunod na proseso ng pagpapanumbalik. Pagkatapos, batay sa pagkuha ng tampok, ang nasirang o nawawalang impormasyon ng imahe ay inaayos sa pamamagitan ng pagpapakilala ng mga hindi linear na transformasyon. Ang prosesong ito ay karaniwang naisasakatuparan gamit ang mga modelo tulad ng malalalim na neural network, kung saan sa pamamagitan ng pag-aaral ng isang malaking dami ng mga sample ng holograma, ang network ay maaaring awtomatikong matutunan ang mga batas ng hindi linear na transformasyon. Sa wakas, ang naayos na holograma ay muling binuo batay sa naayos na mga tampok at hindi linear na transform.

Sa pamamagitan ng pag-aayos ng mga nasirang holograma, kami ay makakapagbalik ng mga detalye at kalidad ng imahe at pahuhusayin ang visualisasyon ng imahe. Ito ay lubhang mahalaga para sa application at pananaliksik ng mga holograma at nagbibigay ng malakas na suporta para sa karagdagang pag-unlad ng mga kaugnay na larangan.

Sa pananaliksik ng hindi linear na pagpapanumbalik ng imahe ng holograma batay sa malalim na pag-aaral, sa hinaharap, ang WiMi ay magsasagawa ng malalim na pagsisiyasat at pagpapahusay sa mga aspeto ng optimization ng istruktura ng network, pagpapalawak ng dataset, fusion ng maramihang modalidad, at pagpapahusay ng real-time na performance, upang lalo pang pahusayin ang performance at saklaw ng application ng teknolohiya ng pagpapanumbalik ng hindi linear na holograma batay sa malalim na pag-aaral.

Ang kasalukuyang mga modelo ng malalim na pag-aaral ay may ilang mga limitasyon pa rin kapag hawakan ang mga gawain sa pagpapanumbalik ng hindi linear na holograma. Ang hinaharap na pananaliksik ay ibibigay sa pagdisenyo ng mas efficient at tumpak na mga istruktura ng network upang pahusayin ang mga resulta ng pagpapanumbalik at bawasan ang konsumo ng mga mapagkukunan ng computation. Halimbawa, maaari itong susubukang magpalabas ng isang mekanismo ng attention o isang adaptive na module upang pahusayin ang pang-unawa ng modelo, upang mas mahusay na mahuli ang detalyadong impormasyon sa imahe. Bukod dito, upang pahusayin ang kakayahang magpanumbalik ng modelo, ang hinaharap na pananaliksik ay isasaalang-alang din ang pagpapalawak ng dataset upang isama ang higit pang data ng imahe ng holograma mula sa iba’t ibang eksena at sa ilalim ng iba’t ibang kondisyon ng liwanag. Bukod dito, ang pagpapakilala ng higit pang ingay at distortion sa mga tunay na eksena ay isasaalang-alang upang dagdagan ang kakayahan ng modelo na umangkop sa kumplikadong mga sitwasyon.

Ang gawain sa pagpapanumbalik ng imahe ng hindi linear na holograma ay kinasasangkutan din ng iba’t ibang mga modalidad kabilang ang impormasyon ng phase at amplitude ng holograma. Sa hinaharap, susubukan ng WiMi kung paano mas mahusay na pagsamahin ang impormasyon ng mga iba’t ibang modalidad na ito upang pahusayin ang epekto ng pagpapanumbalik. Gagawin ang mga pagtatangka upang magpalabas ng isang multi-task na pag-aaral upang sabay na matutunan ang pagpapanumbalik ng phase at amplitude upang pahusayin ang kabuuan ng performance ng modelo. Bukod dito, layunin din ng hinaharap na pananaliksik na pahusayin ang efficiency ng computation ng mga modelo ng malalim na pag-aaral at pahusayin ang real-time na performance.

Tungkol sa WIMI Hologram Cloud

Ang WIMI Hologram Cloud, Inc. (NASDAQ:WIMI) ay isang tagapagkaloob ng pangkalahatang teknikal na solusyon ng ulap ng holograma na nakatuon sa mga propesyonal na lugar kabilang ang software ng holographic AR automotive HUD, 3D holographic pulse LiDAR, kagamitan sa ulo na light field holographic, semiconductor na holographic, software ng ulap ng holograma, pagsasagawa ng holograma, at iba pa. Ang mga serbisyo nito at mga teknolohiya ng holographic AR ay kinabibilangan ng application ng holographic AR automotive, teknolohiya ng 3D holographic pulse LiDAR, teknolohiya ng semiconductor na pangitain ng holograma, pag-develop ng software ng holograma, teknolohiya ng pag-aanunsyo ng holographic AR, teknolohiya ng libangan ng holographic AR, ARSDK payment ng holograma, interactive na komunikasyon ng holograma at iba pang mga teknolohiya ng holographic AR.

Mga Pahayag na Ligtas na Harbor

Ang press release na ito ay naglalaman ng “pahayag na tumitingin sa hinaharap” sa loob ng Batas sa Reporma ng Litigasyon sa Pribadong Titulo ng 1995. Ang mga pahayag na tumitingin sa hinaharap na ito ay maaaring matukoy sa pamamagitan ng terminolohiya tulad ng “magiging”, “inaasahan”, “inaasahang”, “hinaharap”, “layunin”, “plano”, “pinaniniwalaan”, “tinatayang”, at katulad na mga pahayag. Ang mga pahayag na hindi mga katotohanan sa kasaysayan, kabilang ang mga pahayag tungkol sa mga paniniwala at inaasahan ng Kompanya, ay mga pahayag na tumitingin sa hinaharap. Bukod sa iba pang bagay, ang pananaw sa negosyo at mga quotation mula sa pamunuan sa press release na ito at ang mga estratehikong at operasyonal na plano ng Kompanya ay naglalaman ng mga pahayag na tumitingin sa hinaharap. Ang Kompanya ay maaari ring gumawa ng nakasulat o pasalitang mga pahayag na tumitingin sa hinaharap sa mga pana-panahong ulat nito sa SEC sa Mga Form 20-F at 6-K, sa taunang ulat nito sa mga stockholder, sa mga press release, at sa iba pang nakasulat na materyales, at sa mga pahayag na pasalita na ginawa ng mga opisyal, direktor o empleyado nito sa ikatlong partido.