BEIJING, 18. September 2023 – WiMi Hologram Cloud Inc. (NASDAQ: WIMI) („WiMi“ oder das „Unternehmen“), ein führender globaler Anbieter von Hologramm-Augmented-Reality-(„AR“)-Technologien, gab heute bekannt, dass Tiefenlernen auf die nichtlineare holographische Bildrestaurierung angewendet wird. Aktiv erforschen wir die Anwendung der nichtlinearen holographischen Bildrestaurierung auf der Grundlage von Deep Learning. Die Technologie nutzt ein tiefes neuronales Netzwerkmodell und lernt durch das Lernen einer großen Menge von Hologrammdaten automatisch das Merkmal der nichtlinearen Verzerrung und kann genaue Vorhersagen während des Wiederherstellungsprozesses treffen. Im Vergleich zu herkömmlichen Methoden kann die auf Deep Learning basierende Methode nichtlineare Verzerrungen besser handhaben, die Wiederherstellungswirkung verbessern und eine genauere Datenbank für die nachfolgende Analyse und Anwendung von Hologrammen bereitstellen. Die auf Deep Learning basierende nichtlineare holographische Bildrestaurierung hat einen wichtigen Anwendungswert im Bereich der holographischen Bildverarbeitung.
Die Rolle der nichtlinearen holographischen Bildrestaurierung auf der Grundlage von Deep Learning ist sehr wichtig. Durch das Erlernen der nichtlinearen Bildmerkmale und des Rauschmodells kann Deep Learning eine genauere Bildrestaurierung realisieren und die Qualität und Klarheit des Bildes verbessern. Konkret zeigt es sich hauptsächlich in den folgenden Aspekten:
Feature Learning: Deep Learning kann Merkmalsdarstellungen in Bildern durch mehrschichtige neuronale Netzwerke erlernen, um höhere Merkmale zu extrahieren. Diese Merkmale können die Strukturinformationen und Rauschmodelle im Bild besser beschreiben und so eine genauere Grundlage für die Bildrestaurierung bieten.
Nichtlineare Modellierung: Deep Learning kann Rauschen in Bildern modellieren, indem es komplexe nichtlineare Modelle konstruiert. Diese nichtlinearen Modelle können die Verteilung und Eigenschaften von Rauschen in einem Bild besser erfassen, was zu einer genaueren Rauschunterdrückung und Bildrestaurierung führt.
Datengetrieben: Deep Learning ist ein datengetriebener Ansatz, der anhand großer Bilddatenmengen trainiert und gelernt werden kann. Dies ermöglicht Deep Learning, genauere Bildrestaurationsmodelle aus Daten zu erlernen, ohne dass komplexe Algorithmen manuell entworfen werden müssen.
Diese nichtlineare holographische Bildrestaurierung umfasst Schlüsselmodule wie Datenvorverarbeitung, Merkmalsextraktion, nichtlineare Transformation und rekonstruiertes Bild. Zuerst wird das Eingabehologrammbild vorverarbeitet, z. B. entrauscht und heruntergerechnet, um den Restaurierungseffekt zu verbessern und die Rechenmenge zu reduzieren. Als Nächstes werden aus dem vorverarbeiteten Bild mittels CNN Merkmale extrahiert. Diese Merkmale können Informationen wie Kanten, Texturen usw. enthalten, die im nachfolgenden Restaurierungsprozess verwendet werden. Basierend auf der Merkmalsextraktion werden dann die beschädigten oder fehlenden Bildinformationen repariert, indem nichtlineare Transformationen eingeführt werden. Dieser Prozess wird in der Regel mithilfe von Modellen wie tiefen neuronalen Netzwerken realisiert, wobei das Netzwerk durch das Lernen einer großen Anzahl von Hologrammproben automatisch die Gesetze nichtlinearer Transformationen erlernen kann. Schließlich wird das reparierte Hologramm basierend auf den reparierten Merkmalen und der nichtlinearen Transformation rekonstruiert.
Durch die Reparatur beschädigter Hologramme sind wir in der Lage, die Details und die Qualität des Bildes wiederherzustellen und die Visualisierung des Bildes zu verbessern. Dies ist von großer Bedeutung für die Anwendung und Forschung von Hologrammen und bietet eine starke Unterstützung für die weitere Entwicklung verwandter Bereiche.
Bei der Erforschung der nichtlinearen holographischen Bildrestaurierung auf der Grundlage von Deep Learning wird WiMi in Zukunft eine vertiefte Erkundung und Verbesserung in den Aspekten der Netzwerkstrukturoptimierung, Datensatzerweiterung, multimodalen Fusion und Echtzeit-Performance-Verbesserung durchführen, um die Leistung und den Anwendungsbereich der nichtlinearen Hologramm-Restaurierungstechnologie auf der Grundlage von Deep Learning weiter zu verbessern.
Die derzeitigen Deep Learning-Modelle haben immer noch einige Einschränkungen bei der Behandlung von nichtlinearen Hologramm-Restaurierungsaufgaben. Die zukünftige Forschung wird sich auf das Design effizienterer und genauerer Netzwerkstrukturen konzentrieren, um die Restaurierungsergebnisse zu verbessern und den Verbrauch von Rechenressourcen zu reduzieren. Es könnte zum Beispiel versucht werden, einen Aufmerksamkeitsmechanismus oder ein adaptives Modul einzuführen, um die Wahrnehmungsfähigkeit des Modells zu verbessern und so die detaillierten Informationen im Bild besser zu erfassen. Um die Wiederherstellungsfähigkeit des Modells zu verbessern, wird die zukünftige Forschung auch die Erweiterung des Datensatzes in Betracht ziehen, um mehr Hologrammbilddaten aus verschiedenen Szenen und unter unterschiedlichen Lichtverhältnissen einzubeziehen. Darüber hinaus wird die Einführung von mehr Rauschen und Verzerrung in realen Szenarien in Betracht gezogen, um die Anpassungsfähigkeit des Modells an komplexe Situationen zu erhöhen.
Die Aufgabe der nichtlinearen holographischen Bildrestaurierung umfasst auch eine Vielzahl von Modalitäten, darunter Phasen- und Amplitudeninformationen des Hologramms. In Zukunft wird WiMi untersuchen, wie die Informationen dieser verschiedenen Modalitäten besser fusioniert werden können, um die Restaurierungswirkung zu verbessern. Es werden Versuche unternommen, einen Multi-Task-Learning-Ansatz einzuführen, um Phasen- und Amplitudenrestaurierung gleichzeitig zu erlernen und so die Gesamtleistung des Modells zu steigern. Darüber hinaus wird die zukünftige Forschung auch darauf abzielen, die rechnerische Effizienz von Deep Learning-Modellen zu verbessern und die Echtzeitfähigkeit zu steigern.
Über WIMI Hologram Cloud
WIMI Hologram Cloud, Inc. (NASDAQ: WIMI) ist ein umfassender technischer Lösungsanbieter für holographische Cloud-Dienste, der sich auf professionelle Bereiche konzentriert, darunter holographische AR-Automobil-HUD-Software, 3D-holographischer Pulse LiDAR, Kopfmontierte Light-Field-Holographiegeräte, holographische Halbleiter, holographische Cloud-Software, holographische Auto-Navigation und andere. Seine Dienstleistungen und holographischen AR-Technologien umfassen holographische AR-Automobilanwendungen, 3D-holographische Pulse LiDAR-Technologie, holographische Vision Halbleitertechnologie, holographische Softwareentwicklung, holographische AR-Werbetechnologie, holographische AR-Unterhaltungstechnologie, holographisches ARSDK Payment, interaktive holographische Kommunikation und andere holographische AR-Technologien.
Safe Harbor-Erklärungen
Diese Pressemitteilung enthält „zukunftsgerichtete Aussagen“ im Sinne des Private Securities Litigation Reform Act von 1995. Diese zukunftsgerichteten Aussagen können anhand von Begriffen wie „wird“, „erwartet“, „antizipiert“, „Zukunft“, „beabsichtigt“, „plant“, „glaubt“, „schätzt“ und ähnlichen Aussagen identifiziert werden. Aussagen, die keine historischen Fakten sind, einschließlich Aussagen über die Überzeugungen und Erwartungen des Unternehmens, sind zukunftsgerichtete Aussagen. Unter anderem enthalten die Geschäftsaussichten und Zitate des Managements in dieser Pressemitteilung sowie die strategischen und operativen Pläne des Unternehmens zukunftsgerichtete Aussagen. Das Unternehmen kann auch in seinen regelmäßigen Berichten an die US-Börsenaufsichtsbehörde (SEC) auf den Formblättern 20-F und 6-K, in seinem Jahresbericht an die Aktionäre, in Pressemitteilungen und anderen schriftlichen Materialien sowie in mündlichen Erklärungen seiner leitenden Angestellten, Direktoren oder Mitarbeiter gegenüber Dritten zukunftsgerichtete Aussagen tätigen. Zukunftsgerichtete Aussagen beinhalten inhärente Risiken und Ungewissheiten. Mehrere Faktoren könnten dazu führen, dass die tatsächlichen Ergebnisse wesentlich von den in einer zukunftsgerichteten Aussage enthaltenen abweichen. Zu diesen Faktoren gehören unter anderem:
die Ziele und Strategien des Unternehmens; die zukünftige Geschäftsentwicklung, die Finanzlage und die Ergebnisse der Geschäftstätigkeit des Unternehmens; das erwartete Wachstum der AR-Hologramm-Branche; und die Erwartungen des Unternehmens in Bezug auf die Nachfrage nach und die Marktaufnahme seiner Produkte und Dienstleistungen.
Weitere Informationen zu diesen und anderen Risiken finden Sie im Jahresbericht des Unternehmens auf Formular 20-F und im aktuellen Bericht auf Formular 6-K sowie in anderen bei der SEC eingereichten Dokumenten. Alle in dieser Pressemitteilung enthaltenen Informationen gelten zum Zeitpunkt der Veröffentlichung dieser Pressemitteilung. Das Unternehmen ist nicht verpflichtet, zukunftsgerichtete Aussagen zu aktualisieren, es sei denn, dies ist nach geltendem Recht erforderlich.
