論文の概要: Computational Imaging and Artificial Intelligence: The Next Revolution of Mobile Vision

• arxiv url: http://arxiv.org/abs/2109.08880v1
• Date: Sat, 18 Sep 2021 08:47:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:47:54.527738
• Title: Computational Imaging and Artificial Intelligence: The Next Revolution of Mobile Vision
• Title（参考訳）: コンピュータイメージングと人工知能:モバイルビジョンの次の革命
• Authors: Jinli Suo, Weihang Zhang, Jin Gong, Xin Yuan, David J. Brady, Qionghai Dai
• Abstract要約: 計算イメージング(CI)システムは,高次元データをエンコードでキャプチャして,モバイルビジョンシステムにより多くの情報を提供するように設計されている。 この研究はまず、多様なアプリケーションにおけるCIの進歩を紹介し、その後、CIとAIを組み合わせた現在の研究トピックを包括的にレビューする。 高速通信,エッジコンピューティング,交通計画といった自動運転車の例を用いて,CIとAIを深く統合するフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 42.986246806259764
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Signal capture stands in the forefront to perceive and understand the environment and thus imaging plays the pivotal role in mobile vision. Recent explosive progresses in Artificial Intelligence (AI) have shown great potential to develop advanced mobile platforms with new imaging devices. Traditional imaging systems based on the "capturing images first and processing afterwards" mechanism cannot meet this unprecedented demand. Differently, Computational Imaging (CI) systems are designed to capture high-dimensional data in an encoded manner to provide more information for mobile vision systems.Thanks to AI, CI can now be used in real systems by integrating deep learning algorithms into the mobile vision platform to achieve the closed loop of intelligent acquisition, processing and decision making, thus leading to the next revolution of mobile vision.Starting from the history of mobile vision using digital cameras, this work first introduces the advances of CI in diverse applications and then conducts a comprehensive review of current research topics combining CI and AI. Motivated by the fact that most existing studies only loosely connect CI and AI (usually using AI to improve the performance of CI and only limited works have deeply connected them), in this work, we propose a framework to deeply integrate CI and AI by using the example of self-driving vehicles with high-speed communication, edge computing and traffic planning. Finally, we outlook the future of CI plus AI by investigating new materials, brain science and new computing techniques to shed light on new directions of mobile vision systems.
• Abstract（参考訳）: 信号キャプチャーは、環境を知覚し理解するために最前線に立っており、イメージングはモバイルビジョンにおいて重要な役割を果たす。 人工知能(AI)の最近の爆発的な進歩は、新しいイメージングデバイスを使った高度なモバイルプラットフォームを開発する大きな可能性を示している。 従来の撮像システムは「まず画像を取得し、その後に処理する」機構に基づくものでは、この前例のない要求を満たせない。 Differently, Computational Imaging (CI) systems are designed to capture high-dimensional data in an encoded manner to provide more information for mobile vision systems.Thanks to AI, CI can now be used in real systems by integrating deep learning algorithms into the mobile vision platform to achieve the closed loop of intelligent acquisition, processing and decision making, thus leading to the next revolution of mobile vision.Starting from the history of mobile vision using digital cameras, this work first introduces the advances of CI in diverse applications and then conducts a comprehensive review of current research topics combining CI and AI. 既存のほとんどの研究は、CIとAIを緩やかに接続する(通常、AIを使用してCIのパフォーマンスを改善し、限られた作業のみを深く結び付けている)という事実によって動機づけられたこの研究では、高速通信、エッジコンピューティング、交通計画を備えた自動運転車の例を用いて、CIとAIを深く統合するフレームワークを提案する。 最後に、新しい材料、脳科学、新しいコンピューティング技術を調べて、モバイルビジョンシステムの新たな方向性を明かすことで、CIとAIの将来を見通します。

関連論文リスト

• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 本稿では,各種深層学習駆動型VAD経路の基本前提,学習フレームワーク,適用シナリオについて述べる。 我々は、産業用IoTおよびスマート都市における最新のNSVAD研究と、デプロイ可能なNSVADのためのエンドクラウド共同アーキテクチャを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• Artificial General Intelligence (AGI)-Native Wireless Systems: A Journey Beyond 6G [58.440115433585824]
  デジタルツイン(DT)のようなサービスをサポートする将来の無線システムの構築は、メタサーフェスのような従来の技術への進歩を通じて達成することが困難である。 人工知能(AI)ネイティブネットワークは、無線技術のいくつかの制限を克服することを約束する一方で、開発は依然としてニューラルネットワークのようなAIツールに依存している。 本稿では、AIネイティブ無線システムの概念を再考し、それらを人工知能(AGI)ネイティブシステムに変換するために必要な共通感覚を取り入れた。
  論文  参考訳（メタデータ） (2024-04-29T04:51:05Z)
• Integration and Performance Analysis of Artificial Intelligence and Computer Vision Based on Deep Learning Algorithms [5.734290974917728]
  本稿では,ディープラーニングとコンピュータビジョン技術の統合による応用効果の分析に焦点をあてる。 ディープラーニングは階層型ニューラルネットワークを構築することで歴史的なブレークスルーを実現し、エンドツーエンドの機能学習と画像の意味的理解を可能にする。 コンピュータビジョンの分野で成功した経験は、ディープラーニングアルゴリズムのトレーニングに強力なサポートを提供する。
  論文  参考訳（メタデータ） (2023-12-20T09:37:06Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• A Revolution of Personalized Healthcare: Enabling Human Digital Twin with Mobile AIGC [54.74071593520785]
  モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術である モバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
  論文  参考訳（メタデータ） (2023-07-22T15:59:03Z)
• The Entoptic Field Camera as Metaphor-Driven Research-through-Design with AI Technologies [28.81674106342742]
  本稿では,Entoptic Field Cameraの作成と利用を通じて,画像生成の手段とモードの変化を探求するResearch-through-Designプロジェクトについて述べる。 我々は、AI技術におけるデータとモデルの物質的相互作用が、現実の人間の体験をいかに形作るかを研究するメタファーとして、エントロピーという用語を使用している。
  論文  参考訳（メタデータ） (2023-01-23T17:03:54Z)
• Vision Paper: Causal Inference for Interpretable and Robust Machine Learning in Mobility Analysis [71.2468615993246]
  インテリジェントな輸送システムを構築するには、人工知能とモビリティ分析の複雑な組み合わせが必要である。 ここ数年、高度なディープニューラルネットワークを使った輸送アプリケーションの開発が急速に進んでいる。 このビジョンペーパーは、解釈可能性と堅牢性を必要とするディープラーニングに基づくモビリティ分析における研究課題を強調する。
  論文  参考訳（メタデータ） (2022-10-18T17:28:58Z)
• Pervasive AI for IoT Applications: Resource-efficient Distributed Artificial Intelligence [45.076180487387575]
  人工知能(AI)は、さまざまなモノのインターネット(IoT)アプリケーションやサービスにおいて大きなブレークスルーを目の当たりにした。 これは、感覚データへの容易なアクセスと、リアルタイムデータストリームのゼッタバイト(ZB)を生成する広帯域/ユビキタスデバイスの巨大なスケールによって駆動される。 広範コンピューティングと人工知能の合流により、Pervasive AIはユビキタスIoTシステムの役割を拡大した。
  論文  参考訳（メタデータ） (2021-05-04T23:42:06Z)
• AI Online Filters to Real World Image Recognition [4.874719076317905]
  本研究では,画像認識反射モデルに強化制御を加え,全体的な性能を向上させるための新しい手法について検討する。 環境検知とAIに基づく自己適応エージェントのモデリングを併用した共通インフラストラクチャに従って、我々は複数のタイプのAI制御エージェントを実装している。
  論文  参考訳（メタデータ） (2020-02-11T08:23:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。