Helm.ai의 GenSim-2를 사용하면 사용자는 생성 AI를 사용하여 비디오 데이터를 수정할 수 있습니다. | 출처: Helm.ai
자율주행차 개발자는 곧 생성 AI를 사용해 도로에서 수집한 데이터를 더 많이 활용할 수 있게 될 것입니다. Helm.ai는 이번 주 자율 주행을 위한 비디오 데이터를 생성하고 수정하기 위한 새로운 생성 AI 모델인 GenSim-2를 공개했습니다.
회사 측은 해당 모델이 AI 기반 영상을 선보인다고 밝혔다. 동적 날씨 및 조명 조정, 객체 모양 수정, 일관된 다중 카메라 지원을 포함한 편집 기능. Helm.ai가 말했다.이러한 발전은 자동차 제조업체에 데이터 세트를 풍부하게 하고 자율 주행 개발의 특수 사례를 해결할 수 있는 확장 가능하고 비용 효과적인 시스템을 제공합니다.
Helm.ai의 독점 딥 티칭 방법론과 심층 신경망을 사용하여 훈련된 GenSim-2는 이전 버전인 GenSim-1의 기능을 확장합니다. Helm.ai는 새로운 모델을 통해 자동차 제조업체가 특정 요구 사항에 맞는 다양하고 매우 사실적인 비디오 데이터를 생성하여 강력한 자율 주행 시스템의 개발을 촉진할 수 있다고 말했습니다.
2016년에 설립되었으며 캘리포니아주 레드우드 시티에 본사를 두고 있는 회사 ADAS, 자율주행, 로봇공학을 위한 AI 소프트웨어를 개발합니다. Helm.ai는 고속도로 및 도시 운전을 위한 심층 신경망, 엔드 투 엔드 자율 시스템, 딥 티칭 및 생성 AI로 구동되는 개발 및 검증 도구를 포함한 풀 스택 실시간 AI 시스템을 제공합니다. 회사는 글로벌 기업과 협력하고 있습니다. 자동차 제조사 생산 관련 프로젝트에 대해.
Helm.ai에는 여러 생성 AI 기반 제품이 있습니다.
GenSim-2를 사용하면 개발팀은 비디오 데이터에서 비, 안개, 눈, 눈부심, 시간(낮, 밤)과 같은 날씨 및 조명 조건을 수정할 수 있습니다. Helm.ai는 이 모델이 실제 비디오 장면의 증강 현실 수정과 완전히 AI로 생성된 비디오 장면 생성을 모두 지원한다고 말했습니다.
또한 도로 표면(예: 포장, 금이 가거나 젖음), 차량(유형 및 색상), 보행자, 건물, 초목 및 가드레일과 같은 기타 도로 객체와 같은 객체 모양을 사용자 정의하고 조정할 수 있습니다. 이러한 변환은 다중 카메라 관점에서 일관되게 적용되어 데이터 세트 전체에서 현실감과 자체 일관성을 향상시킬 수 있습니다.
Helm.ai의 CEO이자 창립자인 Vladislav Voroninski는 “이러한 수준의 제어 및 현실감에서 비디오 데이터를 조작하는 능력은 생성 AI 기반 시뮬레이션 기술의 도약을 의미합니다.”라고 말했습니다. “GenSim-2는 자동차 제조업체에 훈련 및 검증을 위한 고충실도 라벨링 데이터를 생성하고 시뮬레이션과 실제 조건 간의 격차를 해소하여 개발 일정을 가속화하고 비용을 절감할 수 있는 탁월한 도구를 제공합니다.”
Helm.ai는 GenSim-2가 리소스 집약적인 기존 데이터 수집 방법에 대한 대안을 제공함으로써 업계 과제를 해결한다고 말했습니다. 시나리오별 비디오 데이터를 생성하고 수정하는 기능은 다양한 지역의 소프트웨어 개발 및 검증부터 희귀하고 까다로운 코너 케이스 해결에 이르기까지 자율 주행의 광범위한 애플리케이션을 지원합니다.
회사는 지난 10월 출시된 VidGen-2는 생성 AI를 기반으로 한 또 다른 자율주행 개발 도구입니다. VidGen-2는 사실적인 외관과 역동적인 장면 모델링을 통해 예측 비디오 시퀀스를 생성합니다. 업데이트된 시스템은 이전 버전인 VidGen-1보다 두 배의 해상도, 초당 30프레임으로 향상된 현실감, 초당 두 배의 해상도로 다중 카메라 지원을 제공합니다. 카메라.
Helm.ai도 제공합니다. 월드Gen-1전체 자율주행차 스택을 시뮬레이션할 수 있는 생성적 AI 기반 모델입니다. 회사는 현실적인 운전 환경과 행동을 생성, 추정, 예측할 수 있다고 밝혔습니다. 다양한 센서 방식과 관점에 걸쳐 운전 장면을 생성할 수 있습니다.
게시물 Helm.ai는 생성 AI 모델을 업그레이드하여 자율 주행 데이터를 풍부하게 합니다. 처음 등장한 로봇 보고서.
