Mtiririko wa Macho
Mtiririko wa macho hukadiria jinsi kila pikseli inavyosonga kati ya fremu za video zinazofuatana, na hivyo kutoa ramani mnene ya vekta za mwendo.
Muhtasari
It is how machines perceive movement, speed, and direction in video.
Dive ya kina
Mtiririko wa macho hutoa mshale mdogo wa kusogeza kwa kila pikseli, ikielezea inapoonekana kusafiri kutoka fremu moja hadi nyingine. Mbinu za kitamaduni hutegemea dhana ya 'uthabiti wa ung'avu' - sehemu moja huhifadhi mwangaza sawa inaposonga - pamoja na vizuizi vya ulaini, kama ilivyo katika algoriti za Lucas-Kanade (sparse) na Horn-Schunck (mnene). Hizi hufanya kazi vyema kwa miondoko midogo, ya upole lakini hupambana na harakati za haraka, vizuizi, na maeneo makubwa yasiyo na maandishi. Kusoma kwa kina kulibadilisha uga: mitandao kama FlowNet, PWC-Net, na hasa RAFT hujifunza kulinganisha vipengele kwenye fremu na kuboresha mara kwa mara uga wa mtiririko. Matokeo huleta uelewa wa video popote ambapo swali sio tu 'nini kiko kwenye fremu?' lakini 'inaendeleaje?'
Ufahamu wa Kiufundi
RAFT, mbinu kuu, huunda 'kiasi cha gharama' cha 4D ambacho huonyesha jinsi kila pikseli katika fremu moja inalingana na kila pikseli katika fremu ya pili, kisha hutumia kiendeshaji cha usasishaji kinachojirudia (GRU) kuboresha makadirio ya mtiririko kwenye hatua nyingi ndogo - kama vile kugonga mishale mara kwa mara kuelekea mechi bora. Uboreshaji huu wa kurudia, badala ya nadhani moja kubwa, hutoa mtiririko mkali, sahihi hata kwa uhamishaji mkubwa na maelezo mazuri, na hujumlisha vyema katika matukio tofauti.
Athari za kimkakati
Kasi na kiwango
Visual AI inaweza kufanya ukaguzi, ugunduzi na kazi za kuweka lebo kiotomatiki kwa kiwango.
Tengeneza chaguzi
Timu bunifu zinaweza kuiga dhana kwa haraka zaidi na masahihisho machache ya mikono.
Timu na mtiririko wa kazi
Uendeshaji unaweza kutumia ishara za picha na video ambazo hapo awali zilikuwa ngumu kuchakata.
Mustakabali wa Mtiririko wa Macho
Mtiririko wa macho unasonga mbele kuelekea wakati halisi, ukadiriaji wa azimio la juu kwenye vifaa vya makali, muunganisho mkali zaidi na kina na mtiririko wa mandhari ya 3D, na mafunzo ya kujisimamia ambayo hujifunza kutoka kwa video mbichi bila lebo za ukweli wa msingi. Huku mifumo na roboti zinazojiendesha zinavyohitaji uelewaji mzuri wa mwendo, tarajia mtiririko kuunganishwa na ufuatiliaji wa kitu na ubashiri ili mashine zisionyee tu mwendo wa sasa bali zitarajie ni wapi mambo yatafuata, hata kupitia vizuizi na harakati za haraka za kamera.
Utekelezaji wa Ulimwengu Halisi
Uthabiti wa video katika simu na kamera za vitendo ambazo hughairi mwendo wa kushika mkono unaotetereka
Ufafanuzi wa fremu unaozalisha kati ya fremu ili kufanya video ionekane laini au iendeshwe kwa mwendo wa polepole
Magari ya usaidizi wa madereva na yanayojiendesha yakikadiria kasi na mwelekeo wa magari yaliyo karibu na watembea kwa miguu
Kodeki za mbano za video zinazotabiri mwendo kati ya fremu ili kuhifadhi video kwa ufanisi zaidi
Hatari & Walinzi
Haki za picha na idhini zinaweza kuwa hatari za kisheria ikiwa asili haiko wazi.
Utendaji wa muundo unaweza kutofautiana katika mwangaza, idadi ya watu na mazingira.
Chanya za uwongo zinaweza kutotambuliwa isipokuwa viwango vya uaminifu vifuatiliwe.
Ramani ya Utekelezaji
Bainisha vigezo vya kukubalika vya usahihi, kumbukumbu na gharama za makosa.
Jaribu kwa kutumia data inayolingana na hali halisi ya uzalishaji.
Ongeza ukaguzi wa kibinadamu kwa utabiri wa chini au utabiri wa athari kubwa.
Fuatilia mtindo wa kuteleza na uthibitishe upya baada ya mabadiliko ya kamera au mkusanyiko wa data.
Endelea Kuchunguza
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Optical Flow quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Mwongozo unaofuata
Ulinganisho wa Mtiririko
Maswali yanayoulizwa mara kwa mara
What is Optical Flow?
Mtiririko wa macho hukadiria jinsi kila pikseli inavyosonga kati ya fremu za video zinazofuatana, na hivyo kutoa ramani mnene ya vekta za mwendo. Ni jinsi mashine zinavyoona harakati, kasi, na mwelekeo katika video.
Je, mtiririko wa macho unakadiria nini?
Mtiririko wa macho hutoa vekta za mwendo zinazoelezea jinsi kila pikseli inavyosonga kutoka fremu moja hadi nyingine.
Je, dhana ya 'uthabiti wa ung'avu' inayotumika katika mtiririko wa kawaida wa macho ni upi?
Mbinu za kitamaduni huchukulia kuwa mwangaza wa nukta halisi hukaa sawa inaposonga, ambayo huwaruhusu kuilinganisha kati ya fremu.
Ni njia gani ya kisasa ya kujifunza kwa kina inayojulikana kwa uboreshaji wa mtiririko unaorudiwa kwa kutumia kiasi cha gharama na masasisho ya mara kwa mara?
RAFT huunda kiasi cha gharama ya 4D na hutumia opereta inayojirudia ili kuboresha mtiririko wa hatua nyingi ndogo, kufikia usahihi wa hali ya juu.
Kwa nini njia za kawaida za mtiririko wa macho hupambana na miondoko mikubwa na ya haraka?
Mbinu zilizojengwa kwenye dhana za mwendo mdogo hupotea wakati pikseli inaruka mbali kati ya fremu, na kusababisha makosa.
Ni programu gani inayotegemea moja kwa moja kukadiria mwendo kati ya fremu?
Ufafanuzi wa fremu husanikisha fremu za kati kwa kutumia makadirio ya mwendo wa pikseli, na kutengeneza video laini au ya mwendo wa polepole.