Série de Palestras Sobre Visão Computacional

A Runway é uma empresa de pesquisa de IA aplicada full-stack que treina e constrói modelos de IA generativa para criação de conteúdo. Mais recentemente, a Runway lançou o Gen-2, um modelo de vídeo de IA multimodal e primeiro modelo de texto para vídeo disponível publicamente. Em parceria com a NVIDIA, a Runway está trabalhando para melhorar as velocidades de processamento e controlabilidade de seus modelos, e está garantindo que suas ferramentas possam ser usadas com segurança por criadores e artistas

A visão computacional tornou-se onipresente, acelerando as tarefas humanas e melhorando a precisão, dando aos computadores a capacidade de "ver". Nesta palestra, destacaremos o trabalho que usa várias tecnologias de visão computacional, incluindo o NVIDIA Metropolis e  o Kit de Ferramentas TAO para identificar objetos de interesse, rastreá-los e construir pipelines lógicos para aplicações de análise para melhorar as operações do armazém. Também falaremos sobre como usamos o NVIDIA Omniverse™ para criar ativos 3D de gêmeos digitais em modelos de simulação que podem impulsionar os modelos de visão computacional para escalar eficientemente a aplicação.

Os palestrantes discutirão o uso do NVIDIA Omniverse™ Replicator no pipeline de robótica. Eles mostrarão o uso do NVIDIA Omniverse™ Replicator em alguns projetos nos campos agrícola, de manufatura, automotivo e espacial da robótica, bem como discutirão as vantagens e limitações do uso da geração de dados sintéticos na robótica.

O AWS HealthImaging (AHI) é um armazenamento de imagens médicas qualificado, altamente escalável, eficiente e econômico para a HIPAA. Ele oferece latências de recuperação de imagem de sub-segundo em escala impulsionadas por codificação JPEG 2000 (HTJ2K) de alto rendimento sem perdas. A aplicação cliente pode recuperar imagens médicas do AHI e decodificar com HTJ2K usando o nvJPEG2000 desenvolvido pela NVIDIA em velocidades incrivelmente rápidas. A decodificação na GPU é extremamente vantajosa, pois os dados da imagem já estão na memória da GPU para o treinamento do modelo. Isso elimina a necessidade de copiar dados na decodificação de casos na CPU e permite casos de uso rápidos de HPC a um custo mais baixo.