ZERO10:s multi-task ML-modell ger AR-provning i realtid för mode

ZERO10:s multi-task ML-modell ger AR-provning i realtid för mode

Källnod: 2488465

ZERO10, en framstående aktör inom modebranschens virtuella prova-på-utrymme (VTO), har introducerat sin nya Multi-Task ML-modell. Den här utvecklingen, som speglar koncept som används av branschjättar som Tesla, har potential att förvandla AI-drivna lösningar, speciellt inom realtids-AR-prova-på-upplevelser.

En grundläggande utmaning för VTO ligger i att uppnå realtidsbearbetning utan att offra visuell kvalitet. AR-provning för kläder och tillbehör kräver komplexa maskininlärningsuppgifter (ML) som 3D-kroppsspårning och segmentering i flera klasser, som alla kräver realtidsutförande.

Med traditionell sekventiell ML-modellbearbetning har prestandabegränsningar varit ett konsekvent problem. ZERO10:s Multi-Task ML-modell erbjuder en lösning.

ZERO10
Att balansera realtidsbearbetning och kvalitet är en nyckelutmaning i virtuell provning och ZERO10 är perfekt (Bild kredit)

Hur fungerar ZERO10:s VTO?

Multi-Task ML-modellen kan samtidigt förutsäga resultat för flera maskininlärningsuppgifter, vilket ökar effektiviteten genom delade komponenter. Dess nyckelinnovation är den delade "ryggrad" och uppgiftsspecifik "huvuden” struktur gemensam för många ML-modeller.

Den beräkningstunga ryggraden kan vara universell, medan huvudena fokuserar på individuella uppgifter. Denna delade ryggraden, i kombination med specifika huvuden, minskar drastiskt resurskraven för integration av nya ML-modeller, vilket leder till ökad effektivitet.

Utöver att effektivisera ML-tekniken visades modellen upp Zero10:s tekniska sida underlättar integration av nya modeller utan större beräkningskostnader. Dess provtagare stödjer utbildning i olika datauppsättningar, vilket möjliggör optimering mellan enheter.

ZERO10
ZERO10:s Multi-Task ML-modell utnyttjar koncept som liknar de som används av Tesla (Bild kredit)

Förbättrade ramar, förbättrade upplevelser

Tidigare kunde sekventiella modeller inte bearbeta videor med 30 bilder per sekund (FPS) på enheter som iPhone 12 utan överhettning. Detta innebar att köra 3D Body Tracking vid 30FPS och Multi-Class Segmentation på hälften, vilket orsakade synliga kompromisser.

Ytterligare modelltillägg förvärrade problemet. Multi-Task ML-modellen övervinner detta, bearbeta realtidsvideo vid 30FPS utan överhettning, bevara kvaliteten.


AI och maskininlärnings inverkan på startups


ZERO10:s Multi-Task ML-modell lovar överlägsen virtuell prova-på-teknik. Det ökar effektiviteten avsevärt, ger bättre realtidsprestanda, och banar väg för framtida innovationer. Kräver nu 2-3 gånger färre beräkningsresurser.

AR-teknik på modet

Introduktionen av ZERO10:s Multi-Task ML-modell är i linje med en bredare ökning av intresse och investeringar i förstärkt verklighet (AR) och virtuell verklighet (VR) teknologier. Marknadsprognoser indikerar betydande tillväxt under de kommande åren, driven av framsteg inom hårdvara, mjukvara och verkliga applikationer.

AR och VR förändrar olika branscher:

  • Detaljhandeln: Virtuella prova-på-lösningar som ZERO10s minskar avkastningen och ökar kundengagemang för modemärken
  • Underhållning: Uppslukande spelupplevelser fortsätter att tänja på gränserna för interaktiv underhållning
  • Utbildning och utbildning: AR/VR-simuleringar erbjuder säkra, kontrollerade miljöer för kompetensutveckling inom områden som sträcker sig från hälsovård till industriell verksamhet
  • Sjukvård: VR används i patientterapi och operationsplanering, medan AR hjälper till med diagnostik och visualisering

Denna uppåtgående trend visar det ökande erkännandet av AR/VR:s potential att förbättra upplevelser, effektivisera processer och öppna nya vägar för innovation. Den senaste lanseringen av Apples Vision Pro-headset accelererar detta momentum ytterligare. Enhetens högprecisionsskärmar, rumsligt ljud och avancerad sensorteknik lovar att låsa upp nästa generations AR/VR-upplevelser inom de sektorer som nämnts tidigare.

Vision Pros potentiella inverkan sträcker sig till att främja ett blomstrande start-ekosystem. Dess banbrytande funktioner inspirerar utvecklare att skapa innovativa applikationer. Enhetens fokus på sömlös AR/VR-integration kan göra dessa tekniker mer tillgängliga, sänka inträdesbarriären för nya företag och öppna outnyttjade marknader.

ZERO10 framstår som ett utmärkt exempel på ett företag som leder innovation inom detta område. Deras virtuella prova-på-teknik visar de unika och transformativa tillämpningar som är möjliga inom AR/VR-landskapet. Det är spännande att förutse de olika och nya lösningar som kommer att dyka upp när dessa teknologier fortsätter att utvecklas.


Utvald bildkredit: vecstock/Freepik.

Tidsstämpel:

Mer från Datakonomi