Serie de Presentaciones de Visión Artificial

Runway es una empresa de investigación de IA aplicada de pila completa que entrena y construye modelos de IA generativa para la creación de contenido. Más recientemente, Runway lanzó Gen-2, un modelo de video de IA multimodal y el primer modelo de texto a video disponible públicamente. En asociación con NVIDIA, Runway está trabajando para mejorar la velocidad de procesamiento y la capacidad de control de sus modelos, y se asegura de que sus herramientas puedan ser utilizadas de forma segura por creadores y artistas

La visión artificial se ha vuelto omnipresente, acelerando las tareas humanas y mejorando la precisión al dar a las computadoras la capacidad de "ver". En esta charla, destacaremos el trabajo que utiliza varias tecnologías de visión artificial, como NVIDIA Metropolis y el Kit de Herramientas TAO, para identificar objetos de interés, rastrearlos y crear canalizaciones lógicas para aplicaciones de análisis con el fin de mejorar las operaciones del almacén. También hablaremos sobre cómo usamos NVIDIA Omniverse™ para crear activos 3D de gemelos digitales en modelos de simulación que pueden alimentar los modelos de visión artificial para escalar la aplicación de manera eficiente.

Los ponentes debatirán sobre el uso de NVIDIA Omniverse™ Replicator en el proceso de robótica. Mostrarán el uso de NVIDIA Omniverse™ Replicator en algunos proyectos en los campos de la robótica agrícola, manufacturera, automotriz y espacial, y discutirán los beneficios y limitaciones del uso de la generación de datos sintéticos en robótica.

AWS HealthImaging (AHI) es un almacén de imágenes médicas que cumple con los requisitos de HIPAA, es altamente escalable, rentable y cumple con los requisitos de HIPAA. Ofrece latencias de recuperación de imágenes de menos de un segundo a escala gracias a la codificación JPEG 2000 (HTJ2K) de alto rendimiento sin pérdidas. La aplicación cliente puede recuperar imágenes médicas de AHI y decodificarlas con HTJ2K utilizando el nvJPEG2000 desarrollado por NVIDIA a velocidades increíblemente rápidas. La decodificación en la GPU es extremadamente beneficiosa, ya que los datos de imagen ya están en la memoria de la GPU para el entrenamiento del modelo. Esto elimina la necesidad de copiar datos en la decodificación de mayúsculas y minúsculas en la CPU y permite casos de uso rápidos de HPC a un costo menor.