Beamr a annoncé qu'elle avançait sur un nouveau front et qu'elle révélait sa capacité à stimuler l'apprentissage automatique pour la vidéo. L'apprentissage automatique et l'intelligence artificielle pour la vidéo ont fait preuve d'immenses réalisations et ont un potentiel encore plus énorme. Ce domaine en pleine expansion fait partie du marché de la vision par ordinateur, qui est déjà estimé à plus de 20 milliards de dollars et devrait connaître une croissance exponentielle dans les années à venir.

Mais l'un des principaux problèmes qui ralentissent les progrès est la gestion de fichiers et de bibliothèques extrêmement volumineux. En effet, les fichiers vidéo sont relativement volumineux et, pour apprendre aux réseaux informatiques à reconnaître des objets en mouvement, il en faut beaucoup, beaucoup. Pensez à la reconnaissance d'une voiture ou d'un être humain.

Pour nous, c'est une tâche facile, mais pas pour un ordinateur, qu'il s'agisse d'une seule image ou d'une vidéo. Chaque mouvement modifie l'aspect de l'objet, sa forme, sa taille et son angle. C'est pourquoi les réseaux informatiques doivent scanner et analyser d'innombrables vidéos pour apprendre à reconnaître s'il s'agit d'un être humain, d'une voiture, d'un chat ou de quoi que ce soit d'autre.

Les acteurs de l'apprentissage automatique sont confrontés, pour ne pas dire coincés, avec de grandes quantités de fichiers vidéo qui sont extrêmement difficiles à gérer, à stocker et à transférer. Tous ces détails techniques se résument à un résultat très clair pour les nombreuses entreprises et start-ups dans ce domaine : de lourdes dépenses qui entravent leur croissance. Les tests ont été menés sur NVIDIA DeepStream SDK - un outil pour le traitement multi-capteurs basé sur l'IA, la compréhension de la vidéo, de l'audio et de l'image, qui était un choix naturel pour Beamr en tant que partenaire de NVIDIA Metropolis.