Connect with us

Hi, what are you looking for?

Notebookspec

Other News

NVIDIA – เผยงานวิจัยการบันทึกวีดีโอแบบ SLOMO ได้ถึง 4 เท่าตัว โดยใช้ AI เข้าช่วย ผ่านทางสมาร์ทโฟน

การถ่ายวีดีโอแบบ SLOMO นั้นโดยปกติแล้วจำเป็นที่จะต้องใช้การจับภาพจำนวนหลายเฟรมต่อวินาทีที่มากพอถึงจะสามามาถใช้ดูได้ครับ แน่นอนว่าโดยปกติแล้วนั้นหากเราจับภาพได้ไม่มากพอล่ะก็นั่นหมายถึงว่าการทำวีดีโอ SLOMO นั้นอาจจะขึ้นขั้นที่ไม่สามารถจะดูได้เลย ในจุดนี้นั้นทาง NVIDIA

การถ่ายวีดีโอแบบ SLOMO นั้นโดยปกติแล้วจำเป็นที่จะต้องใช้การจับภาพจำนวนหลายเฟรมต่อวินาทีที่มากพอถึงจะสามามาถใช้ดูได้ครับ แน่นอนว่าโดยปกติแล้วนั้นหากเราจับภาพได้ไม่มากพอล่ะก็นั่นหมายถึงว่าการทำวีดีโอ SLOMO นั้นอาจจะขึ้นขั้นที่ไม่สามารถจะดูได้เลย ในจุดนี้นั้นทาง NVIDIA จึงได้พัฒณาปัญญาประดิษฐ์ของตัวเองขึ้นมาโดยอาศัยหลักการแบบ deep learning เพื่อที่จะทำให้การจับภาพจากปกติที่อยู่ที่ 30 FPS กลายเป็น 240 FPS ซึ่งทำให้คุณสามารถทำวีดีโอแบบ SLOMO ได้ช้าถึง 4 เท่าเลยทีเดียวครับ

NVIDIA AI super slow motion 600

Advertisement

หากเป็นภาพนั้นอาจจะยังมองได้ไม่ชัดมากนัก เราลองไปดูคลิปดังต่อไปนี้ดีกว่าครับว่ามันจะเจ๋งมากแค่ไหน

จากคลิปนั้นจะเห็นได้ว่าปัญญาประดิษฐ์ดังกล่าวนั้นน่าสนใจเป็นอย่างยิ่งครับ งานนี้ตามที่ NVIDIA บอกเอาไว้นั้นคุณจะสามารถใช้งานปัญญาประดิษฐ์ดังกล่าวบนสมาร์ทโฟนของคุณได้ด้วย ทว่าใช่ว่าจะมีแต่ข้อดีอย่างเดียวนะครับเพราะการสร้างภาพ SLOMO ที่เก็บภาพหลายเฟรมขนาดนี้นั่นย่อมหมายถึงเนื้อที่สำหรับการเก็บภาพเพื่อที่จะนำมาสร้างภาพ SLOMO นั้นก็จะมากขึ้นตามไปด้วย

แถมยังต้องมีการเพิ่มความสามารถให้กับตัวกล้องบนสมาร์ทโฟนให้สามารถเก็บภาพได้เร็วเป็นจำนวนมากอีกดังนั้นสมาร์ทโฟนในปัจจุบันนั้นก็อาจจะยังไม่รองรับความสามารถดังกล่าวนี้ โดยเราอาจจะได้เห็นความสามารถนี้ในอนาคตอันใกล้ครับ

ที่มา : theverge

Click to comment
Advertisement

บทความน่าสนใจ

Special Story

ชิปเซ็ต NVIDIA RTX Spark ถูกสร้างมาเพื่อตอบโจทย์ยุคที่ผู้คนหันมาใช้ AI Model ต่างๆ เพื่อช่วยลดขั้นตอนงานยุ่งยากและเรื่งจิปาถะในชีวิตประจำวันลงไป ไม่ว่าจะเป็น Chatbot หรือ Agent Model ก็ตาม ให้ผู้ใช้ได้โฟกัสกับงานและไอเดียสร้างสรรค์ใหม่ได้มากขึ้น แถมลดชั่วโมงการทำงานจากหลักร้อยหรือพันชั่วโมงให้เหลือไม่กี่สิบชั่วโมงโดยไม่ต้องรอรีเซ็ต Token ให้งานสะดุดอีกด้วย ซึ่งชิปเซ็ตตัวนี้ NVIDIA เคลมว่ามันรองรับโมเดลขนาดใหญ่ถึง 120B (120...

PR-News

กรุงเทพฯ, ประเทศไทย — ASUS (เอซุส) ผู้นำด้านเทคโนโลยีระดับโลก นำเสนอ ASUS Agent Computer ภายใต้แนวคิด “Powering Every AI Choice” ระบบนิเวศด้านฮาร์ดแวร์ที่ออกแบบมาเพื่อรองรับการทำงานของ AI Agent ครอบคลุมตั้งแต่โน้ตบุ๊ก NUC และมินิพีซี เดสก์ท็อปพีซีที่ปรับแต่งได้ ไปจนถึงเวิร์กสเตชันระดับมืออาชีพและ AI...

PR-News

บทความโดย Steven Fong, Corporate Vice President, APJ Embedded Business ปัญญาประดิษฐ์ (AI) กำลังก้าวเข้าสู่เฟสใหม่ ซึ่งขยายขอบเขตจากการเพิ่มประสิทธิภาพการทำงานบนโลกดิจิทัล ไปสู่การใช้งานจริงในโลกทางกายภาพ  ช่วงหลายปีที่ผ่านมา AI มักถูกตีกรอบอยู่แค่ระบบที่ทำความเข้าใจ สร้าง และแนะนำข้อมูลได้ โมเดลภาษาขนาดใหญ่ (LLMs), AI Assistant และ Copilot ได้เข้ามาพลิกโฉมรูปแบบการทำงานที่ใช้ความรู้ไปอย่างสิ้นเชิง โดยช่วยให้เราค้นหา สรุปผล สร้างคอนเทนต์ และตัดสินใจได้ดียิ่งขึ้น คลื่นลูกแรกของ AI นี้ถือเป็นการปฏิวัติประสิทธิภาพการทำงานบนโลกดิจิทัลอย่างแท้จริงAdvertisement แต่ทว่า คลื่นลูกถัดไปของ AI จะแตกต่างออกไปอย่างสิ้นเชิง จากเดิมที่ทำหน้าที่เพียงทำความเข้าใจข้อมูล ปัจจุบัน AI ถูกคาดหวังให้สามารถโต้ตอบกับโลกทางกายภาพได้มากขึ้น เราจะได้เห็นหุ่นยนต์ทำงานร่วมกับมนุษย์ในโรงงาน ยานยนต์อัตโนมัติที่สามารถรับรู้และตอบสนองต่อสภาพแวดล้อมได้ตลอดเวลา ระบบทางการแพทย์ที่ช่วยแพทย์วินิจฉัยและตัดสินใจได้แบบเรียลไทม์ ตลอดจนโครงสร้างพื้นฐานอัจฉริยะที่สามารถตรวจสอบ ปรับแต่ง และตอบสนองได้เองโดยไม่ต้องอาศัยมนุษย์คอยสั่งการตลอดเวลา การเปลี่ยนผ่านนี้ไม่ใช่แค่การเพิ่มแอปพลิเคชัน AI รูปแบบใหม่ แต่คือการพลิกโฉมความคาดหวังพื้นฐานที่เรามีต่อขีดความสามารถของ AI  เมื่อ AI ขยายตัวจากคลาวด์และสภาพแวดล้อมดิจิทัลเข้าสู่ระบบทางกายภาพ ความอัจฉริยะจึงไม่สามารถหยุดอยู่แค่คำว่า “รู้” ได้อีกต่อไป ระบบ Physical AI (AI ทางกายภาพ) เช่น หุ่นยนต์อัตโนมัติ จะต้องรับรู้ข้อมูล ตัดสินใจ และลงมือทำได้แบบเรียลไทม์ โดยต้องมีความปลอดภัยในการใช้งาน (Functional safety) และสามารถทำงานภายใต้ข้อจำกัดที่เข้มงวด ทั้งเรื่องพลังงาน ความร้อน และพื้นที่ ความจำเป็นในการเปลี่ยนผ่านครั้งนี้ไม่ได้เกิดจากแค่ความก้าวหน้าทางเทคโนโลยี AI เท่านั้น แต่ยังถูกขับเคลื่อนจากการเปลี่ยนแปลงเชิงโครงสร้างของเศรษฐกิจโลกด้วย  และนี่คือจุดเริ่มต้นของยุค Physical AI อย่างแท้จริง ซึ่งปัจจุบันกำลังเข้ามาพลิกโฉมหลากหลายอุตสาหกรรม และ AMD เชื่อมั่นว่าสิ่งนี้จะเป็นตัวกำหนดทิศทางของ AI ในทศวรรษหน้า นั่นคือการเปลี่ยนผ่านจากระบบที่แค่ “รู้” ไปสู่ระบบที่ “ลงมือทำ”  “การลงมือทำ” พลิกโฉมโจทย์ด้านการประมวลผลขั้นพื้นฐาน เมื่อ AI เริ่มโต้ตอบกับโลกทางกายภาพ โจทย์ของการประมวลผลย่อมเปลี่ยนไปอย่างสิ้นเชิง แตกต่างจาก Cloud AI ที่มักถูกออกแบบมาเพื่อเน้นการขยายสเกล การรับส่งข้อมูลปริมาณมาก และการประมวลผลแบบรวมศูนย์ เพราะ Physical AI มาพร้อมกับข้อกำหนดใหม่ที่แตกต่างออกไปอย่างสิ้นเชิง  แชตบอตอาจมีอาการหน่วงบ้างในบางครั้ง ซึ่งเป็นเรื่องที่ยอมรับได้ แต่สำหรับหุ่นยนต์ในโรงงานอุตสาหกรรมนั้นไม่สามารถเกิดความล่าช้าได้เลย ยานยนต์อัตโนมัติก็ไม่สามารถปล่อยให้ระบบทำงานไม่เสถียรได้ และอุปกรณ์ทางการแพทย์ก็ไม่สามารถใช้วิธี “ลองตัดสินใจใหม่” ได้เมื่อทุกวินาทีมีผลต่อชีวิต  ระบบเหล่านี้จำเป็นต้องมีคุณสมบัติ:  ในโลกทางกายภาพ ความอัจฉริยะจะมีความหมายก็ต่อเมื่อระบบสามารถตอบสนองและลงมือทำได้ภายในกรอบเวลาที่จำกัด ดังนั้น ความสำเร็จจึงไม่ได้วัดกันที่ประสิทธิภาพของโมเดล AI เพียงอย่างเดียวอีกต่อไป  ขอบเขตของ Physical AI ก้าวไปไกลกว่าแค่การรันโมเดล AI เพราะความอัจฉริยะจะต้องทำงานสอดประสานกันอย่างราบรื่นไร้รอยต่อ ตั้งแต่การรับรู้ข้อมูลผ่านเซ็นเซอร์ ไปจนถึงการประมวลผล (Inference) การวางแผน การควบคุม และนำไปสู่การลงมือทำในโลกจริง ท้ายที่สุดแล้ว ประเด็นสำคัญจึงไม่ใช่แค่การสร้างโมเดล AI ให้ฉลาดขึ้น แต่คือการสร้างระบบอัจฉริยะที่สามารถโต้ตอบกับโลกความเป็นจริงได้อย่างปลอดภัยและเชื่อถือได้ต่างหาก  และนี่คือเหตุผลที่ AMD เชื่อมั่นว่า แท้จริงแล้ว Physical AI คือความท้าทายด้าน “วิศวกรรมระบบ” ไม่ใช่แค่ความท้าทายด้านการสร้าง “โมเดล AI”  ไม่มีโปรเซสเซอร์ใดเพียงชนิดเดียวที่ขับเคลื่อน Physical AI ได้ทั้งหมด เราจะเข้าใจแนวคิดของ Physical AI ได้ง่ายขึ้น หากลองเปรียบเทียบกับร่างกายมนุษย์  สมองของเราทำหน้าที่คิด วิเคราะห์หาเหตุผล และตัดสินใจ ระบบประสาทช่วยให้เรารับรู้และตอบสนองได้อย่างรวดเร็ว ในขณะที่กล้ามเนื้อและข้อต่อทำหน้าที่ควบคุมการเคลื่อนไหวทางกายภาพอย่างแม่นยำ  ระบบ Physical AI ก็ทำงานในลักษณะที่คล้ายคลึงกัน การคิดวิเคราะห์และการรับรู้ที่ซับซ้อนต้องอาศัยหน่วยประมวลผลประสิทธิภาพสูง การตอบสนองแบบเรียลไทม์ต้องใช้การประมวลผลที่มีความหน่วงต่ำ (Low-latency) ณ จุดที่ต้องทำการตัดสินใจ และการเคลื่อนไหวที่แม่นยำก็ต้องการระบบควบคุมที่ถูกต้องและคาดการณ์ผลลัพธ์ได้อย่างแม่นยำ จึงไม่มีสถาปัตยกรรมโปรเซสเซอร์เพียงรูปแบบเดียวที่สามารถจัดการทุกกระบวนการเหล่านี้ได้อย่างมีประสิทธิภาพ แต่จำเป็นต้องอาศัยการทำงานร่วมกันของหน่วยประมวลผลหลากหลายประเภท ...

รีวิว Asus

ASUS TUF Gaming A16 FA608UHI จ่ายไม่แพง แรงพร้อมลุยทุกเกม ใช้งานดีรอบด้าน ASUS TUF Gaming A16 FA608UHI รหัสนี้เป็นเกมมิ่งโน้ตบุ๊กรหัสฝาแฝดกับ TUF Gaming F16 ซึ่งได้รีวิวไปก่อนหน้านี้ ดังนั้นทั้งสองรุ่นนี้จึงแชร์องค์ประกอบร่วมกันหลายอย่างตั้งแต่ดีไซน์เรียบง่ายน่าใช้, คีย์บอร์ดเกมมิ่งพร้อมไฟ 1-Zone RGB มีปุ่ม WASD...

เราใช้คุกกี้เพื่อพัฒนาประสิทธิภาพ และประสบการณ์ที่ดีในการใช้เว็บไซต์ของคุณ คุณสามารถศึกษารายละเอียดได้ที่ นโยบายความเป็นส่วนตัว

Privacy Preferences

คุณสามารถเลือกการตั้งค่าคุกกี้โดยเปิด/ปิด คุกกี้ในแต่ละประเภทได้ตามความต้องการ ยกเว้น คุกกี้ที่จำเป็น

ยอมรับทั้งหมด
Manage Consent Preferences
  • คุกกี้ที่จำเป็น
    Always Active

    ประเภทของคุกกี้มีความจำเป็นสำหรับการทำงานของเว็บไซต์ เพื่อให้คุณสามารถใช้ได้อย่างเป็นปกติ และเข้าชมเว็บไซต์ คุณไม่สามารถปิดการทำงานของคุกกี้นี้ในระบบเว็บไซต์ของเราได้

บันทึก