स्टीफन मिलर, फ्यूजन के सह-संस्थापक और इंजीनियरिंग के एसवीपी – साक्षात्कार श्रृंखला

स्टीफन मिलर फ्यूजन के सह-संस्थापक और इंजीनियरिंग के एसवीपी हैं, जो एक 3D इमेजिंग और कंप्यूटर विजन कंपनी है, जो कॉक्स ऑटोमोटिव ग्रुप का हिस्सा है। फ्यूजन की स्थापना से पहले वह स्टैनफोर्ड विश्वविद्यालय में कंप्यूटर साइंस में पीएचडी छात्र थे और अपने स्नातक अध्ययन के दौरान यूसी बर्कले में व्यक्तिगत रोबोटिक्स जैसे लॉन्ड्री फोल्डिंग और सर्जिकल नॉट टाइंग पर काम किया था। वह गूगल हर्ट्ज फेलो, एसएपी स्टैनफोर्ड ग्रेजुएट फेलो और एनएसएफ फेलो अलुम्नस हैं।

क्या आप फ्यूजन के बारे में बता सकते हैं और यह 3D डेटा को आसानी से कैप्चर और विज़ुअलाइज़ करने में कैसे सक्षम बनाता है?

फ्यूजन एक कंप्यूटर विजन कंपनी है जो एआई-ड्रIVEN, 3D ग्राहक अनुभव प्रदान करती है। हम लोगों को एक सरल स्मार्टफोन ऐप के माध्यम से 3D छवियों को कैप्चर करने में सक्षम बनाते हैं जो अधिकांश एंड्रॉइड और आईओएस डिवाइसों पर चलता है। ऐप में चरण-दर-चरण मार्गदर्शन है और यह किसी भी तकनीकी कौशल के बिना किसी के द्वारा उपयोग किया जा सकता है। यह छवि को कैप्चर करने में एक मिनट या दो लगता है। इसके बाद हमारा एआई इंजन, एलआईएस, 3D छवियों का विश्लेषण कर सकता है और उस दृश्य डेटा को कार्रवाई योग्य जानकारी में बदल सकता है। अभी हम 3D छवियों का उपयोग करके कारों को बाहरी नुकसान का निदान करने पर ध्यान केंद्रित कर रहे हैं।

क्या आप बता सकते हैं कि एल्गोरिदम .fyuse फ़ाइल प्रारूप का उपयोग करके एक स्मार्टफोन के एकल कैमरे को 3D छवियों को बनाने में कैसे सक्षम बनाते हैं?

मुझे लगता है कि .fyuse प्रारूप को फोटो और वीडियो के साथ मिलाकर देखना मददगार है। एक फोटो एक समय में एक निश्चित कोण से एक पल को कैप्चर करता है, और एक वीडियो एक रैखिक समयरेखा में उन पलों की एक श्रृंखला को कैप्चर करता है। इसके विपरीत, एक .fyuse छवि जिसे हम “एक स्थान में एक पल” कहते हैं उसे कैप्चर करती है। एक दर्शक एक ही कोण या रैखिक समयरेखा तक सीमित नहीं है: वे न केवल एक तरफ कुछ देख सकते हैं, बल्कि उसके चारों ओर भी देख सकते हैं।

.fyuse छवि बनाने के लिए, फोटोग्राफर अपने विषय के चारों ओर एक दिशा में एक सेल फोन कैमरे के साथ घूमता है। वैकल्पिक रूप से, फ्यूजन प्रौद्योगिकी निश्चित इमेजिंग समाधानों और गैर-परंपरागत इमेजिंग समाधानों जैसे ड्रोन के साथ भी संगत है।

हमारा .fyuse फ़ाइल प्रारूप यह छवियों को जीवन देता है। यह हल्का है और जटिल, बहुस्तरीय इंटरैक्टिविटी को सक्षम बनाता है। यह लैपटॉप, टैबलेट और स्मार्टफोन के साथ भी पूरी तरह से संगत है जो दैनिक उपयोगकर्ता पहले से ही अपने शस्त्रागार में रखते हैं।

क्या आप फ्यूजन के साथ कैप्चर और विश्लेषण किए गए कुछ डेटा पर चर्चा कर सकते हैं?

कारों के साथ, एलआईएस वाहन के हर हिस्से को पहचानता है, और फिर नुकसान का पता लगा सकता है, नुकसान का आकार और गंभीरता निर्धारित कर सकता है, और संभावित झूठी सकारात्मकता को समाप्त कर सकता है, जैसे कि सड़क से उठी धूल। हमने जिस प्रौद्योगिकी को विकसित और पेटेंट कराया है वह अन्य समस्याओं का समाधान कर सकती है, लेकिन यह वह है जिस पर हम अभी ध्यान केंद्रित कर रहे हैं।

क्या आप एआई-आधारित लाइटफील्ड इंफॉर्मेशन सूट (एलआईएस) के बारे में चर्चा कर सकते हैं?

एलआईएस फ्यूजन उत्पादों के पीछे का इंजन है। यह हल्के 3D इमेजिंग और गहरे दृश्य समझ को सक्षम बनाता है। एलआईएस में तीन भाग होते हैं: कैप्चर, इंजन और व्यूअर। कैप्चर मॉड्यूल में, मोबाइल एप्लिकेशन में निर्मित ट्यूटोरियल और अनुकूलित कार्य प्रवाह होते हैं जो उपयोगकर्ताओं को अधिकांश स्मार्टफोन पर उच्च गुणवत्ता वाली 3D छवियों को कैप्चर करने में सक्षम बनाते हैं। फ्यूजन की छवि कैप्चर डीएसएलआर, ड्रोन और कई अन्य डिवाइसों का भी समर्थन करती है।

दूसरे चरण में, इंजन, एलआईएस उन 3D छवियों का विश्लेषण करता है और उन्हें कार्रवाई योग्य जानकारी में बदल देता है, जैसे कि हमारे ग्राहकों द्वारा आवश्यक नुकसान के प्रकार। यह नुकसान के लिए अपने निष्कर्षों के लिए बैकअप प्रदान करने के लिए उच्च-रिज़ॉल्यूशन 2D छवियां भी बना सकता है।

अंत में, व्यूअर .fyuse फ़ाइल प्रारूप प्रदर्शित करता है। .fyuse पेटेंटेड और हल्का है, और तेज़ लोड समय के साथ एक इमर्सिव 3D अनुभव प्रदान करता है। हम .fyuse के साथ सभ sorts के अनुभवों को जोड़ सकते हैं, जिनमें ऑडियो, वीडियो और 2D छवियां शामिल हैं।

फ्यूजन दोनों एआर और वीआर के लिए तैयार है, आप भविष्य में इन अनुप्रयोगों को कितना बड़ा मानते हैं?

आगमी वास्तविकता एक अरब डॉलर का उद्योग है जो अधिक मुख्यधारा बन रहा है, और यह शक्तिशाली नए मोबाइल डिवाइसों और कम-विलंबता नेटवर्क के कारण 3D में अपने आसपास को कैप्चर करना आसान हो गया है। जैसे ही ये प्रौद्योगिकियां मुख्यधारा में आती हैं, ऑनलाइन अनुभवों की ग्राहक अपेक्षाएं उतनी ही तेजी से बढ़ेंगी जितनी तेजी से सामग्री निर्माता उन्हें बनाए रख सकते हैं।

विशेष रूप से ऑटो उद्योग में, कार खरीदारी ऑनलाइन होती जा रही है, अगले कुछ वर्षों में हम एआर, वीआर और 3D सूचियों में रुचि की एक बड़ी वृद्धि की उम्मीद करते हैं। लक्ष्य एक सरल वाहन विवरण पृष्ठ (वीडीपी) को एक वाहन अनुभव पृष्ठ (वीईपी) में बदलना है, जो बड़े और छोटे ऑटो डीलरों दोनों को समृद्धि बनाए रखने में मदद करता है। यह 3D लोगो और समृद्ध मीडिया टैग जैसे सूचियों पर जोड़ने से लेकर खरीदारों को एक कार के ट्रंक में गोल्फ क्लब रखने की अनुमति देने के लिए आभासी रूप से देखने के लिए कुछ भी हो सकता है।

यह देखना रोमांचक होगा कि ये अनुप्रयोग मुख्यधारा में कैसे काम करना शुरू करते हैं। मुझे लगता है कि यह लंबा इंतजार नहीं होगा।

क्या आप ईकॉमर्स में 3D छवियों का उपयोग करने से क्लिकथ्रू दर और राजस्व में सुधार पर चर्चा कर सकते हैं?

मैं व्होल्सेल और रिटेल ऑटो बिक्री से सबसे ज्यादा परिचित हूं। 3D इमेजरी ने ऑनलाइन खरीदारों के लिए एक नए स्तर का विश्वास बनाया है, जो बड़े-टिकट आइटम जैसे कारों के लिए विशेष रूप से महत्वपूर्ण है।

हमारे आंतरिक डेटा से पता चलता है कि 3D छवियां उपयोगकर्ता जुड़ाव और वाहन विवरण पृष्ठों पर बिताए गए समय को बढ़ाती हैं, जो बदले में कार बिक्री को बढ़ाने के लिए दिखाया गया है। वाहन का एक जीवन जैसा 3D अनुभव प्रदान करना विक्रेता के प्रति सकारात्मक भावना को बढ़ाता है और विश्वास को बढ़ाता है।

फ्यूजन के साथ डेटा को स्थानीय रूप से या क्लाउड पर संसाधित करने के विकल्प में से एक है, क्या आप प्रत्येक के लाभों पर चर्चा कर सकते हैं?

स्थानीय रूप से, एज एआई डेवलपर्स को महत्वपूर्ण प्रतिबंधों के भीतर काम करने के लिए मजबूर करता है, विशेष रूप से मोबाइल फोन के उपयोग के मामले में। इसके अलावा किसी भी एआई डेवलपर के लिए मानक चिंताओं के अलावा – कितना अनुकूलित नेटवर्क है? परिणाम कितने विश्वसनीय हैं? – कुछ व्यावहारिक चिंताएं स्पष्ट छतें निर्धारित करती हैं। मेमोरी दबाव, बैटरी ड्रेन, उपयोगकर्ता या ऑपरेटिंग सिस्टम द्वारा प्रक्रिया को पृष्ठभूमि में रखने की संभावना, आदि। और यह मानते हुए कि तुलनीय सीपीयू और जीपीयू एज पर उपलब्ध थे। यहां तक कि फ्लैगशिप डिवाइसों के लिए भी यह दुर्लभ है।

आपको हर संभावित कोने के मामले की योजना बनाने की आवश्यकता है; जबकि क्लाउड में, किसी भी समाधान की निगरानी और सूक्ष्म समायोजन किया जा सकता है।

लेकिन सामूहिक रूप से, एज एआई को एक आदर्श “ऑटोस्केलिंग” समाधान के रूप में माना जा सकता है: प्रत्येक नए उपयोगकर्ता के लिए, आपके पास एक पूरी तरह से नया मशीन आपके निपटान में है। यदि आपने अपने नेटवर्क को पूरी तरह से एज पर चलने के लिए अनुकूलित किया है, तो आप आसानी से दो या दो मिलियन क्लाइंट की सेवा कर सकते हैं।

जबकि सबसे शक्तिशाली हार्डवेयर हमेशा क्लाउड पर मौजूद रहेगा, यह आमतौर पर स्वीकार किया जाता है कि डेटा राजा है। जितना अधिक डेटा और जितना करीब यह कच्चा है, उतना ही बेहतर। एज पर एआई को कच्चे, कच्चे इनपुट डेटा तक पहुंच प्राप्त है, जिसमें कोई प्रतिबंध नहीं है। जबकि क्लाउड एआई समाधान के लिए, इनपुट डेटा को संसाधित किया जाना चाहिए (संकुचित, आंशिक) या विशाल, जिस बिंदु पर बैंडविड्थ एक गंभीर चिंता का विषय बन जाती है।

क्योंकि यह उपयोगकर्ता के सबसे करीब है, एज एआई क्लाउड एआई के लिए उपलब्ध नहीं होने वाली संभावनाओं की एक श्रृंखला खोलता है। यदि यह वास्तविक समय में चलने के लिए अनुकूलित है, तो यह वास्तविक समय में प्रतिक्रिया प्रदान कर सकता है। जिसका अर्थ है कि आप ऐसे समाधान बना सकते हैं जो न केवल डेटा को निगलते हैं, बल्कि उपयोगकर्ताओं को बेहतर डेटा प्रदान करने के लिए प्रोत्साहित करते हैं।

5जी फ्यूजन के लिए कंप्यूटर विजन प्रौद्योगिकी अनुप्रयोगों में तेजी से विकास को कैसे सक्षम बनाएगा?

तेजी से कनेक्शन गति पर, आप अधिक प्रसंस्करण को क्लाउड पर ले जा सकते हैं, जो सभी प्रकार के नए कंप्यूटर विजन अनुप्रयोगों की संभावनाओं को खोलता है। हालांकि, यह वास्तव में अनुप्रयोग और इसके व्यापक रूप से अपनाने पर निर्भर करता है।

5जी का एक खंडित प्रभाव हो सकता है और डिजिटल विभाजन को और बढ़ा सकता है, क्योंकि दुनिया के कुछ हिस्सों में तेजी से और तेजी से कनेक्टिविटी होगी, जबकि अन्य क्षेत्रों में धीमी कनेक्टिविटी होगी। उन लोगों के लिए जिन्हें 5जी तक पहुंच प्राप्त है, इसका लाभ होगा। लेकिन अधिक व्यापक रूप से अपनाई जाने वाली अनुप्रयोगों को या तो दो संस्करणों के बीच चुनना होगा – जो वास्तव में एक ही अनुप्रयोग के दो संस्करण हैं – या एक संस्करण के साथ रहना होगा जो कम शक्तिशाली है लेकिन लगभग किसी भी कनेक्शन पर चल सकता है।

फ्यूजन 5जी के भविष्य के रोलआउट का लाभ उठाने के लिए क्या कदम उठा रहा है?

मैं इसे कहना चाहता हूं कि फ्यूजन ने यह सुनिश्चित करने के लिए काफी समय बिताया है कि ग्राहक पुराने फोन और खराब बैंडविड्थ उपलब्धता के साथ भी हमारे अनुप्रयोगों तक पहुंच सकें। मैनहीम के साथ हमारी प्रौद्योगिकी ने एक मिलियन से अधिक कारों को इमेज किया है, और हम यह नहीं कर पाते अगर ऐसा नहीं होता।

हालांकि, हम जो देख रहे हैं उसमें बहुत उत्साहित हैं – यह एक त्रिफेक्टा है: बढ़ती प्रसंस्करण गति, 5जी कनेक्टिविटी और कैमरा फोन में क्रांति। उन्हें एक साथ रखें और आपको कुछ नए विकास मिलते हैं जो मैं अभी आपके साथ साझा नहीं कर सकता।

क्या फ्यूजन के बारे में और कुछ है जो आप साझा करना चाहेंगे?

यह कंप्यूटर विजन में काम करने के लिए एक बहुत ही रोमांचक समय है – एक अनुशासन के रूप में हम मुख्यधारा में जा रहे हैं कई वर्षों से एक भविष्य की प्रौद्योगिकी के रूप में बात की जा रही है। फ्यूजन तेजी से बढ़ रहा है और हम दुनिया भर से कंप्यूटर विजन वैज्ञानिकों को नियुक्त कर रहे हैं। हमारे टीम के सदस्य कहीं से भी काम कर सकते हैं लेकिन वे हमेशा पोट्रेरो हिल में हमारे कार्यालय में स्वागत हैं।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें फ्यूजन पर जाना चाहिए।