November 9, 2023

WiMi宣布基于多模态数据融合的语义分割

By ellen

北京, 2023年11月9日 — WiMi Hologram Cloud Inc.(纳斯达克股票交易所代码:WIMI)(“WiMi”或“公司”)是一家领先的全球虚拟增强现实(AR)技术提供商,今天宣布采用多模态数据来弥补单模态数据不足,提出了一种基于多模态数据融合的语义分割方法,以提高语义分割的准确性。多模态数据融合是指融合来自不同传感器或模态的数据,以提供更全面和准确的信息。

多模态数据融合对语义分割具有重要意义,通过多模态数据融合可以利用来自不同传感器或模态的数据,通过整合不同模态的数据信息,可以充分利用不同模态数据的优势,提供更全面和丰富的特征表示,获得场景的更全面理解,并提高语义分割的准确性。例如,在语义分割中,可以同时使用RGB图像和深度图像作为输入数据。RGB图像提供颜色和纹理信息,而深度图像提供对象几何和距离信息。通过融合这两个模态的数据信息,可以更好地理解图像中的语义类别,并实现更准确的分割。

此外,多模态数据融合还可以提高语义分割的准确性。在实际场景中,图像可能受到照明变化、遮挡、噪声等因素的影响,导致单模态数据的准确性下降。通过融合来自多个模态的数据,可以减轻这些干扰因素对单模态数据的影响,从而提高语义分割的稳定性,为计算机视觉领域相关任务提供更好的支持和解决方案。

多模态数据融合技术是提高语义分割性能的重要工具。特征级融合、决策级融合以及其他联合建模方法都可以用于多模态数据融合,以提高语义分割的准确性。在实际应用中,根据具体任务和数据特征选择合适的融合方法和技术,进行调整和优化,将有助于提高语义分割效果,为语义分割任务的进一步发展和应用提供更多可能性。

WiMi采用数据预处理、特征提取、数据融合和分割模型训练来实现多模态数据融合的语义分割。首先,需要对来自不同传感器的数据进行预处理,包括数据标准化、去噪和增强等操作,以提高数据的质量和可用性。然后,从每个传感器的数据中提取特征。对于图像数据,可以使用卷积神经网络(CNN)提取图像的特征表示;对于文本数据,可以使用词嵌入模型将文本转换为向量表示。然后在特征提取的基础上,将不同传感器数据的特征进行整合。最后,使用整合后的特征训练语义分割模型。

多模态数据融合的语义分割在许多领域都具有重要意义,包括计算机视觉、自然语言处理和智能交互等。但是,该领域还存在一些挑战和问题需要进一步研究和探索。基于多模态数据融合的语义分割在未来研究中仍有很大发展空间,通过解决多模态数据融合问题和提高算法的效率和准确性,将有助于进一步推动语义分割的发展和应用。

未来,WiMi将进一步探索更先进的多模态数据融合技术,例如图像、文本和更复杂的语义分割模型的联合建模。此外,WiMi还将多模态数据融合的语义分割应用到更广泛的领域,如医学图像分析、智能交通等,以解决实际问题并推动科技进步。

关于WiMi Hologram Cloud

WiMi Hologram Cloud, Inc.(纳斯达克股票交易所代码:WIMI)是一家专注于专业领域的全息云计算技术全面解决方案提供商,包括全息增强现实汽车头上显示(HUD)软件、3D全息脉冲LiDAR、头戴式光场全息设备、全息半导体、全息云软件、全息汽车导航等。其服务和全息AR技术包括全息AR汽车应用、3D全息脉冲LiDAR技术、全息视觉半导体技术、全息软件开发、全息AR广告技术、全息AR娱乐技术、全息ARSDK支付、互动全息通信等全息AR技术。

安全港声明

本新闻稿包含“前瞻性声明”,根据1995年《私人证券诉讼改革法》。这些前瞻性声明可以通过术语“将”、“预期”、“预计”、“未来”、“意图”、“计划”、“相信”、“估计”等识别。新闻稿和公司业务展望以及管理层报道中的引用,以及公司战略和运营计划中包含前瞻性声明。公司在向美国证券交易委员会提交的20-F和6-K表格以及年度报告、股东年报、新闻稿和其他书面材料中,以及公司高级管理人员向第三方口头做出的声明中,也可能作出书面或口头前瞻性声明。前瞻性声明涉及风险和不确定性。公司实际业绩可能受多个因素影响而与任何前瞻性声明有重大差异,包括但不限于以下几点:公司的目标和策略;公司未来业务发展、财务状况和经营结果;全息增强现实行业的预期增长;以及公司对需求和市场接受其产品和服务的预期。

更多风险信息请参阅公司20-F年度报告和6-K当前报告以及向证监会提交的其他文件。本新闻稿中的所有信息均截至本新闻稿日期。除非适用法律要求,公司不承担任何更新任何前瞻性声明的义务。