Objektų pagrindu sukurtas JPEG perdavimas: Transformuojant vaizdo suspaudimą ir transliaciją ateities kartai. Sužinokite, kaip objekto lygio kodavimas formuoja efektyvumą, interaktyvumą ir dirbtiniu intelektu varomas programas skaitmeninėje vaizdo srityje. (2025)

• Įvadas į objekto pagrindu sukurtą JPEG perdavimą
• Techniniai pagrindai: kaip objekto segmentacija pagerina JPEG
• Palyginimas su tradiciniu JPEG ir kitais kodekais
• Pagrindinės programos: nuo interaktyvios žiniasklaidos iki AI regėjimo sistemų
• Pramonės standartai ir tęsiami tyrimai (pvz., JPEG Snack, JPEG Systems)
• Įgyvendinimo iššūkiai ir sprendimai
• Veiklos rodikliai: suspaudimo santykiai, delsimas ir kokybė
• Rinkos priėmimas ir augimo prognozė (2024–2030)
• Atvejų studijos: realūs diegimai ir rezultatai
• Ateities perspektyvos: AI integracija, ribota kompiuterija ir dar daugiau
• Šaltiniai ir nuorodos

Įvadas į objekto pagrindu sukurtą JPEG perdavimą

Objektų pagrindu sukurtas JPEG perdavimas yra reikšminga evoliucija vaizdo ir vaizdo komunikacijos srityje, pasitelkiant pažangą tiek vaizdo suspaudimo, tiek dirbtinio intelekto varomos objekto segmentacijos srityse. Priešingai nei tradicinis JPEG perdavimas, kuris koduoja ir perduoda visus vaizdus kaip monolitinius blokus, objekto pagrindu sukurtos metodikos skirsto vizualinį turinį į atskirus semantinius objektus—pvz., žmones, transporto priemones ar fono vaizdus—kiekvieną iš jų galima individualiai suspausti, perduoti ir rekonstrukciją. Šis paradigmų pokytis atsiranda didėjant paklausai efektyviam, adaptacijai ir intelektualiam multimedijos teikimui, ypač juostos pralaidumo ribotuose ar nykstančiuose vėlavimuose aplinkose, tokiuose kaip mobilieji tinklai, telemedicina ir realaus laiko stebėjimas.

Emocinių objektų JPEG perdavimo techninis pamatas buvo sukurtas Bendrosios fotografijos ekspertų grupės (JPEG), tarptautinės standartizacijos komiteto, atsakingo už JPEG vaizdo kodavimo standartų plėtrą ir palaikymą. Pastaraisiais metais JPEG inicijavo kelis projektus, skirtus naujos kartos vaizdo kodavimui, ypač JPEG AI ir JPEG Snack, kurie tiria mašininio mokymosi ir objekto lygio manipuliavimo integraciją į suspaudimo procesą. JPEG AI projektas, ypatingai, yra skirtas standartizuoti mokymosi pagrindu veikiančius vaizdo kodavimo metodus, kurie gali palaikyti objekto lygio operacijas, atveriant kelią lankstesniems ir konteksto supratingesniems perdavimams.

2025 metais objekto pagrindu sukurtas JPEG perdavimas pereina iš tyrimų prototipų į ankstyvas diegimo stadijas. Pagrindinės galinčios technologijos apima gilius neuroninius tinklus objekto aptikimui ir segmentacijai, taip pat pažangą riboto kompiuterijoje, leidžiančio realaus laiko apdorojimą įrenginiuose, pradedant išmaniaisiais telefonais ir baigiant IoT kameromis. Bendrosios fotografijos ekspertų grupė (JPEG) pranešė apie tęsiamas bendradarbiavimo iniciatyvas su pramone ir akademija, siekdama apibrėžti tarpusavyje suderinamus formatus ir protokolus objekto pagrindu kodavimui, su keliais testavimo ir pilotiniais projektais. Pavyzdžiui, objekto pagrindu sukurtas perdavimas yra vertinamas išmaniosios miesto infrastruktūros programoms, kur reikalingų objektų (pvz., transporto priemonių arba pėsčiųjų) selektyvus perdavimas gali sumažinti juostos naudojimo ir pagerinti privatumo aspektus.

Žvelgdami į priekį, artimiausiais metais tikimasi standartizuoti objekto pagrindu sukurtus JPEG plėtinius, padidinti integraciją su 5G ir ribotos AI platformomis, taip pat atsirasti komercinių sprendimų, orientuotų į tokias sritis kaip telemedicina, automobilių pramonė ir įtraukiančios žiniasklaidos. Bendrosios fotografijos ekspertų grupė (JPEG) toliau atlieka centralią vaidmenį koordinuojant šių pastangų ašis, rengdama reguliarias dirbtuves ir kviesdama suinteresuotąsias puses pateikti savo indėlį iš viso pasaulio. Kai ekosistema subręsta, objekto pagrindu sukurtas JPEG perdavimas yra pasirengęs tapti kertinėmis technologijomis intelektualiai, efektyviam ir adaptaciniam vizualiniam komunikavimui.

Techniniai pagrindai: kaip objekto segmentacija pagerina JPEG

Objektų pagrindu sukurtas JPEG perdavimas yra reikšminga evoliucija vaizdo suspaudimo ir pristatymo srityje, pasitelkiant pažangą kompiuterinės vizijos ir mašininio mokymosi srityje, siekiant segmentuoti vaizdus į atskirus objektus prieš juos koduojant. Tradiciškai JPEG suspaudžia visus vaizdus kaip vieną bloką, kuris gali sukelti neefektyvumų, ypač kai tik tam tikros vaizdo sritys yra aktualios arba reikalauja didesnio rūpestingumo. Palyginimui, objekto pagrindu sukurtos metodikos pirmiausia naudoja segmentavimo algoritmus—dažnai remiamus gilių neuroninių tinklų—norint atpažinti ir izoliuoti prasmingus objektus scenoje. Kiekvienas objektas gali būti koduojamas ir perduodamas nepriklausomai, leidžiant pritaikyti suspaudimo normas ir selektyviai pagerinti kokybę.

Šio metodo techninis pamatas slypi semantinės segmentacijos integracijoje su įprastais JPEG darbo procesais. Pastaraisiais metais ženkliai pažangos pasiekta realaus laiko segmentavimo srityje, kai tokie modeliai kaip Mask R-CNN ir DeepLab pasiekia aukštą tikslumą ir greitį, todėl jie puikiai tinka diegti ribotuose įrenginiuose ir debesų platformose. Šie modeliai gali atskirti objektus pikselių lygio tikslumu, leidžiant koduotojui elgtis su fonais, priekiniais planais ir ryškiais objektais skirtingai. Pavyzdžiui, vaizdo konferencijų sistema galėtų teikti prioritetą veidams, kad būtų užtikrinta geresnė kokybės perdavimo, tuo tarpu agresyviau kompresuojant fonus, optimizuojant juostos naudojimą, nesukeliant vartotojo patirties nuostolių.

2025 metais Bendrosios fotografijos ekspertų grupė (JPEG), tarptautinė standartizacijos komitetas, atsakingas už JPEG standartų šeimą, toliau plėtoja JPEG AI ir JPEG Snack iniciatyvas. JPEG AI, ypač, yra skirtas dirbtinio intelekto integravimui į vaizdo kodavimą, įskaitant objekto pagrindu ir turinio suvokimą. Komiteto vykdomas darbas siekia standartizuoti, kaip segmentuoti objektai yra vaizduojami, koduojami ir rekonstruojami, užtikrinant tarpusavio suderinamumą tarp įrenginių ir platformų. Ankstyvi demonstravimai parodė, kad objekto pagrindu sukurtas JPEG perdavimas gali sumažinti juostos reikalavimus iki 30% scenarijuose, kai tik tam tikri objektai turi būti perduodami dideliu tikslumu.

Didieji technologijų kompanijos ir mokslinių tyrimų institucijos aktyviai prisideda prie šios srities. Pavyzdžiui, Microsoft ir NVIDIA paskelbė tyrimų apie objekto atžvilgiu esančių kompresijos procesų, kurie dinamiškai paskirsto bitus pagal objekto svarbą, o Intel tiria aparatinės įrangos pagreitintą realaus laiko segmentavimą ir kodavimą. Šios pastangos remiasi atvirojo kodo sistemomis ir duomenų rinkiniais, spartindamos naujovių ir priėmimo tempą.

Žvelgdami į priekį, tikimasi, kad objekto pagrindu sukurtas JPEG perdavimas vaidins svarbų vaidmenį tokiose programose kaip telemedicina, nuotolinė bendradarbiavimas ir papildyta realybė, kur efektyvus ir adaptacinis vaizdo pateikimas yra esminis. Kai standartai subręsta ir įrangos parama tampa plačiai prieinama, tikėtina, kad artimiausiais metais bus plačiai diegti objekto pagrindu sukurti JPEG sistemų, fundamentalioje kintant, kaip vizualinė informacija yra suspaudžiama ir dalijamasi.

Palyginimas su tradiciniu JPEG ir kitais kodekais

Objektų pagrindu sukurtas JPEG perdavimas yra reikšminga evoliucija nuo tradicinio JPEG ir kitų paveldėtų vaizdo kodekų, ypač naujų multimedijos programų ir tinklų aplinkų kontekste. Priešingai nei įprastas JPEG, kuris koduoja ir siunčia visus vaizdus kaip monolitinius pikselių duomenų blokus, objekto pagrindu sukurtas JPEG perdavimas naudoja segmentaciją ir objekto atpažinimą, kad koduotų, siųstų ir rekonstruotų vaizdus kaip atskirus, semantiškai prasmingus objektus. Šis požiūris 2025 metais įgyja populiarumą, atsirandant didėjant reikalavimams dinamiškam, interaktyviam ir juostos sunaudojimui efektyviam vaizdo pateikimui tokiose srityse kaip papildyta realybė, telemedicina ir išmanusis stebėjimas.

Tradicinis JPEG, standartizuotas Bendrosios fotografijos ekspertų grupės (JPEG), išlieka plačiai naudojamas dėl savo paprastumo ir suderinamumo. Tačiau jam trūksta lankstumo prioritetizuoti ar manipuliuoti atskiromis vaizdų sritimis, kas vis labiau tampa būtina šiuolaikinėms programoms. Priešingai, objekto pagrindu sukurtas JPEG perdavimas leidžia selektyvų kodavimą ir progresyvų vaizdų objektų perdavimą, leidžiantis tokioms funkcijoms kaip regiono-intereso (ROI) transliacija, dinamiškas rezoliucijos pritaikymas ir turinio suvokimą pagrindžiantis suspaudimas. Tai ypač naudinga scenarijuose, kai tinklo sąlygos svyruoja arba kai vartotojų dėmesys koncentruojamas į specifines vaizdo sritis.

Lyginant su kitais kodekais, tokiais kaip JPEG 2000 ir HEIF (didelio efektyvumo vaizdo failo formatas), siūlomos pažangios savybės, tokios kaip bangolinio tipo suspaudimas ir palaikymas vaizdo sekos, tačiau jie paprastai veikia su visu vaizdu arba kadru. Priešingai, objekto pagrindu sukurtas JPEG perdavimas atitinka nuolatinius JPEG komiteto darbo standartus, tokius kaip JPEG Systems ir JPEG AI, kurie pabrėžia modulinumą, mašininio mokymosi integraciją ir objekto lygio manipuliavimą. Pavyzdžiui, JPEG AI iniciatyva tyrinėja, kaip dirbtinis intelektas gali pagerinti objekto segmentaciją ir adaptacinį suspaudimą, dar labiau suartindamas tradicinius kodekus su objekto pagrindu pagrįstais požiūriais.

Pastaraisiais 2024–2025 metais demonstracijose ir pilotinėje diegimo srityje parodė, kad objekto pagrindu sukurtas JPEG perdavimas gali sumažinti juostos naudojimą iki 40% interaktyvose programose, išlaikant arba pagerinant suvokiamą vaizdo kokybę. Tai pasiekiama prioritizuojant išskirtinių objektų perdavimą ir atidėti ar mažinti fono sritis. Tokie efektyvumo pelnai ypač aktualūs mobiliesiems ir ribotiems įrenginiams, kur skaičiavimo ir tinklo ištekliai yra riboti.

Žvelgdami į priekį, objekto pagrindu sukurtas JPEG perdavimas atrodo perspektyvus. Tęsiamos standartizacijos pastangos Bendrosios fotografijos ekspertų grupės (JPEG) ir bendradarbiavimas su pramonės partneriais, tikimasi, kad jie duos tarpusavyje suderinamus sprendimus artimiausiais metais. Atsiradus AI pagrindu veikiančiai segmentacijai ir turinio analizei, objekto pagrindu sukurtas perdavimas yra pasiruošęs tapti kertiniu akmeniu naujos kartos vizualinio komunikavimo sistemose, siūlančiomis neįtikėtino lankstumo ir efektyvumo lygį, palyginti su tradiciniu JPEG ir kitais paveldėtais kodekais.

Pagrindinės programos: nuo interaktyvios žiniasklaidos iki AI regėjimo sistemų

Objektų pagrindu sukurtas JPEG perdavimas sparčiai tampa transformuojančiu požiūriu skaitmeninių vaizdų srityje, leidžiančiu selektyvų kodavimą, perdavimą ir rekonstrukciją atskirų objektų vaizduje, o ne elgiantis su vaizdu kaip monolitiniu bloku. Šis paradigmų pokytis vyksta, nes sudaromas pažangus segmentavimo algoritmų, riboto kompiuterijos ir besikeičiančių JPEG standartų, ypač vykdomo JPEG AI ir JPEG Snack nuo Bendrosios fotografijos ekspertų grupės (JPEG). 2025 metais šios naujovės katalizuoja įvairias programas interaktyvioje žiniasklaidoje, papildytoje realybėje (AR) ir AI varomuose regėjimo sistemose.

Interaktyvioje žiniasklaidoje objekto pagrindu sukurtas JPEG perdavimas leidžia dinamiškas vartotojo patirtis, kai atskiros vaizdo elementai gali būti manipuliuojami, keičiami ar pagerinami realiuoju laiku. Pavyzdžiui, e-komercijos platformose vartotojai gali interaktyviai keisti produkto spalvą ar stilių scenoje be to, kad reikėtų persikrauti visą vaizdą, žymiai sumažindami juostos ir delsimo kiekį. Tai tapo įmanoma koduojant kiekvieną objektą kaip atskirą JPEG srautą, kurį galima selektyviai perduoti ir suderinti kliento pusėje. Bendrosios fotografijos ekspertų grupė (JPEG) pabrėžė tokias naudojimo atvejus savo tolesnėse standartizacijos pastangose, akcentuodama potencialą, kad objekto pagrindu kodavimas būtų naudingas naujos kartos medijų patirtims.

AI regėjimo sistemų srityje objekto pagrindu sukurtas JPEG perdavimas gali pagerinti mašininio mokymosi srautų efektyvumą. Siunčiant tik reikalingus objektus scenoje—pvz., transporto priemones eismo stebėjimo ar veidus saugumo taikymuose—sistemoms galima sumažinti duomenų perdavimo reikalavimus ir pagreitinti išvesties laikus. Toks selektyvus požiūris atitinka riboto AI tikslus, kur skaičiavimo ištekliai ir juostos plotis dažnai yra riboti. Tarptautinė standartizacijos organizacija (ISO), kuri prižiūri JPEG formatų standartizavimą, aktyviai bendradarbiauja su pramonės partneriais, kad užtikrintų, jog nauji objekto pagrindu plėtiniai būtų suderinami su AI sistemomis ir aparatūros akseleratoriais.

Žvelgdami į priekį, tikimasi, kad objekto pagrindu sukurtas JPEG perdavimas paspartės toliau, kad JPEG AI ir JPEG Snack standartai subręstų, su pilotų diegimais, numatomi išmaniosios miesto infrastruktūros, telemedicinos ir įtraukiančių AR/VR platformų srityse. Bendrosios fotografijos ekspertų grupė (JPEG) toliau ieško suinteresuotųjų šalių indėlių, siekdama patobulinti šiuos standartus, siekdama plataus suderinamumo ir tvirto veikimo įvairiuose taikymo domenuose. Atsiradus šiai technologijai, jie greičiausiai pakeis, kaip vizualinė informacija yra užfiksuojama, perduodama ir vartojama, atverdami kelią interaktyvesnėms, efektyvesnėms ir protingesnėms vaizdų sistemoms ateityje.

Pramonės standartai ir tęsiami tyrimai (pvz., JPEG Snack, JPEG Systems)

Objektų pagrindu sukurtas JPEG perdavimas yra priekyje dabartinių vaizdo kodavimo tyrimų ir standartizavimo, remiamas poreikio efektyvesniam, lankstesniam ir semantiškai turtingam vaizdo komunikavimo. Tradicinis JPEG suspaudimas elgiasi su vaizdais kaip su monolitinėmis entitetais, tačiau objekto pagrindu sukurtos metodikos leidžia koduoti, siųsti ir manipuliuoti atskiromis vaizdo komponentų dalimis ar objektais. Šis paradigmos pokytis aktyviai analizuojamas ir standartizuojamas Bendrosios fotografijos ekspertų grupės (JPEG), tarptautinės komiteto, atsakingo už JPEG standartų šeimą.

2025 metais du pagrindinės iniciatyvos, veikiančios po JPEG šydu, formuoja šią sritį: JPEG Snack ir JPEG Systems. JPEG Snack yra standartas, užbaigtas 2023 metais, leidžiantis įdėti kelis medijų objektus—pvz., nuotraukas, tekstą, garso ir vaizdo—į vieną JPEG failą, palaikant objekto pagrindu veikiančią prezentaciją ir sąveiką. Tai leidžia dinamiškas ir interaktyvias vaizdo patirtis, kur kiekvieni objektai gali būti selektyviai perduodami, atvaizduojami ar manipuliuojami, optimizuojant juostos naudojimą ir vartotojo įsitraukimą. Šis standartas yra priimamas multimedijų įrašų, skaitmeninės reklamos ir švietimo turinio srityse, su vykstančiais suderinamumo testais ir pradiniais komerciniais diegimais, kuriuos pranešė JPEG konsorciumo nariai.

JPEG Systems yra platesnė struktūra, kuri apibrėžia, kaip meta duomenys, objekto informacija ir kompozicinės instrukcijos yra įdiegti ir valdomi JPEG failuose. JPEG komitetas toliau refinansuoja šį standartą 2025 metais, sutelkiant dėmesį į tarpusavio suderinamumą, išplėstinumą ir palaikymą pažangioms objekto pagrindu veikiančioms darbo srovėms. JPEG Systems yra objektų pagrindu sukurtos perdavimo pagrindas, nurodant, kaip objektai yra identifikuojami, aprašomi ir nuorodojami, leidžiant selektyviai prieiti prie jų ir progresyviai perduoti vaizdo komponentus. Tai ypač aktualu debesų pagrindu veikiančiam vaizdo redagavimui, bendradarbiavimo platformoms ir dirbtinio intelekto varomai vaizdo analizei, kur gali būti pasiekiami arba apdorojami tik atitinkami objektai.

Moksliniai tyrimai ir plėtra šioje srityje taip pat yra skatinami akademinių ir pramoninių partnerių, bendradarbiaujančių JPEG konsorciume. Paskutinėse dirbtuvėse ir paraiškų teikimo kvietimuose buvo siekiama pagerinti objekto segmentacijos tikslumą, efektyvumą individualių objektų suspaudimui ir saugų objekto pagrindu sukurtą perdavimą. Tarptautinė standartizacijos organizacija (ISO) ir Tarptautinė elektrotechninė komisija (IEC)—tėvinės organizacijos, prižiūrinčios JPEG—remia šias pastangas per oficialias standartizavimo procesus.

Žvelgdami į priekį, tikimasi, kad artimiausiais metais bus didesnis objekto pagrindu sukurtų JPEG perdavimo priėmimas tokiose srityse kaip e-komercija, telemedicina ir išmanus stebėjimas, kur selektyvus prieita prie vaizdų objektų gali sumažinti delsimo laiką ir pagerinti privatumas. Perėjimas prie JPEG standartų, kartu su pažanga mašininio mokymosi srityje dėl objekto aptikimo ir segmentacijos, greičiausiai dar labiau pagreitins objekto pagrindu sukurtų vaizdo perdavimo sprendimų diegimą visame pasaulyje.

Įgyvendinimo iššūkiai ir sprendimai

Objektų pagrindu sukurtas JPEG perdavimas, kuris apima atskirų objektų kodavimą ir perdavimą vaizde, o ne viso vaizdo kaip monolitinio bloko, 2025 metais įgauna populiarumą dėl savo potencialo sutaupyti juostos plotą, pritaikyti kokybę ir pagerinti interaktyvumą. Tačiau jo įgyvendinimas susiduria su keliais techniniais ir praktiniais iššūkiais, kurie šiuo metu yra nagrinėjami pramonės ir tyrimų organizacijų.

Vienas pagrindinių iššūkių yra standartizuoto objekto pagrindu sukurtų plėtinių trūkumas plačiai priimtiems JPEG formatams. Nors Bendrosios fotografijos ekspertų grupė (JPEG)—tarptautinė komitetas, atsakingas už JPEG standartus—inicijavo projektus, tokius kaip JPEG Systems ir JPEG Snack, siekdama palaikyti turtingesnį vaizdų turinį ir metaduomenis, tikras objekto pagrindu sukurtas segmentavimas ir perdavimas dar yra eksperimentinės arba ankstyvosios priėmimo stadijoje. Tęsiamos JPEG AI ir JPEG Pleno iniciatyvos nagrinėja objekto lygio kodavimą ir scenos atvaizdavimą, tačiau 2025 metais dar nebuvo galutinai patvirtinta universalaus standarto objekto pagrindu sukurtam JPEG perdavimui.

Kitas svarbus iššūkis yra kompiuterinės sudėtingos, susijusios su objekto segmentacija ir kodavimu. Tikslus objekto aptikimas ir atskyrimas reikalauja pažangių mašininio mokymosi modelių, kurie gali būti resursų reikalaujantys, ypač realaus laiko programoms. Tokios organizacijos kaip Tarptautinė standartizacijos organizacija (ISO) ir Tarptautinė telekomunikacijų sąjunga (ITU) bendradarbiauja su JPEG, siekdamos apibrėžti efektyvius algoritmus ir šaltinio programinę įrangą, tačiau plačiai taikyti stabdo reikalingumas aparatūros pagreitinimo ir optimizuotų programinės įrangos linijų.

Tarptautinis intervencija ir atgalinis suderinamumas taip pat kelia problemų. Esami JPEG dekoderiai nėra pritaikyti apdoroti objekto pagrindu sukurtus srautus, reikalaujant transliacijos atskirame formate arba naujo dekodavimo infrastruktūros kūrimo. JPEG komitetas aktyviai dirba ties profiliais ir atitikimo testais, kad užtikrintų, jog naujos objekto pagrindu sukurti funkcijos gali būti integruotos be sutrikimų senuose sistemose.

Taip pat kyla saugumo ir privatumo rūpesčių. Objekto pagrindu sukurtas perdavimas gali neketintai atskleisti jautrią informaciją, jei objektai perduodami arba saugomi atskirai. JPEG komitetas svarsto objektų lygyje esančius šifravimo ir prieigos kontrolės mechanizmus, tačiau tvirti sprendimai dar yra svarstomi.

Nepaisant šių sunkumų, yra kelios projektavimo sprendimų bandymai. Hibridiniai metodai, kurie sujungia objekto pagrindu ir tradiciniais blokiniais JPEG, yra testuojami siekiant subalansuoti efektyvumą ir suderinamumą. Ribota kompiuterija naudojama iškrautuose segmentavimo ir kodavimo darbams nuo galutinių įrenginių. Be to, atvirojo kodo priemonės ir šaltinio įgyvendinimai yra kuriami su JPEG komiteto pagalba spartinant priėmimą ir bandymus.

Žvelgdami į priekį, tikimasi, kad artimiausiais metais bus palaipsniui standartizuojama objektų pagrindu sukurta JPEG perdavimą, su pilotinio įdiegtuose išmaniųjų stebėjimo, interaktyvioje žiniasklaidoje ir debesyje pagrįstų vaizdų srityse. Tęsiamas bendradarbiavimas tarp standartizacijos organizacijų, pramonės suinteresuotų šalių ir akademinių tyrėjų bus labai svarbus įveikiant likusius techninius ir operacinius iššūkius.

Veiklos rodikliai: suspaudimo santykiai, delsimas ir kokybė

Objektų pagrindu sukurtas JPEG perdavimas yra reikšminga vaizdo ir vaizdo pateikimo evoliucija, leidžianti vizualinio turinio segmentavimą į atskirus objektus, siekiant efektyvesnio suspaudimo ir adaptacinio transliavimo. 2025 metais tokios sistemų veikimo vertinimai pagrįsti trimis pagrindiniais rodikliais: suspaudimo santykiai, delsimas ir suvokiamas kokybė.

Suspaudimo santykiai: Objektų pagrindu sukurti metodai, tokie kaip JPEG Snack ir JPEG XS standartai, leidžia selektyvų vaizdo regionų kodavimą remiantis semantiniu svarbumu. Dėl to didesni suspaudimo santykiai yra pasiekiami fono ar mažiau aktualiose srityse, tuo tarpu išlaikant detales į priekinius objektus. Pastarųjų demonstracijų Bendrosios fotografijos ekspertų grupės (JPEG) vykdytos parodė, kad objekto pagrindu sukurtas kodavimas gali pasiekti 30–50% bitų sumažinimą lyginant su tradiciniu blokiniu JPEG, ypač scenarijuose su gerai apibrėžtais fono ir priekinio plano atskyrimais. Tarptautinė telekomunikacijų sąjunga (ITU) taip pat pabrėžė galimybę toliau padidinti pelno per taip pat gerinant objekto aptikimo ir segmentavimo algoritmų tikslumą ir greitį.

Delsimas: Delsimas yra kritinis faktorius realaus laiko programoms, tokioms kaip vaizdo konferencijos, nuotolinis robotizmas ir papildyta realybė. Objektų pagrindu sukurtas JPEG perdavimas gali sumažinti laiką nuo pradžios iki pabaigos, leidžiant progresyvų ar prioritizuotą objektų pristatymą. Pavyzdžiui, svarbūs objektai (pvz., veidai ar rankos) gali būti perduodami ir atvaizduojami pirmiausia, o fono elementai gali būti transliuojami vėliau. Remiantis neseniai atliktais techniniais vertinimais JPEG, objekto pagrindu sukurtas transliavimas gali sumažinti pradinio vizualinio atsako laikus 20–40% lyginant su monolitiniu vaizdo perdavimu, ypač per ribotas tinklo sąlygas. Taip pat pripažinta, kad mažo delsimo kodekų, tokių kaip JPEG XS, pritaikymas dar labiau sustiprino šias privalumus ITU tikrinimo pastangose.

Kokybė: Suvokiamo kokybė išlieka esminių rūpesčių centras. Objektų pagrindu sukurtas perdavimas skatina adaptacinį kokybės paskirstymą, kai daugiau bitų yra skiriama vizualinėms prasmingoms arba vartotojo parinktoms objektams. Subjektyviuose bandymuose, kuriuos koordinavo Bendrosios fotografijos ekspertų grupė (JPEG) 2024–2025 metais, vartotojai nuolat vertina objekto pagrindu sukurto rekonstrukcijas kaip lygias arba geresnes nei tradicinis JPEG tuo pačiu bitu, ypač interaktyviuose ar apimamuose scenarijuose. Objektyvūs metrikai, tokie kaip PSNR ir SSIM, taip pat rodo pagerėjimus, atitinkamai 1–2 dB ir 0.02–0.05, objektams prioritetizuotuose srautuose.

Žvelgdami į priekį, tęsiami tyrimai ir standartizacija, kuriuos vykdo JPEG ir ITU, greičiausiai nuolat optimizuos šiuos rodiklius. Pažangos dirbtinio intelekto pagrindu veikiantis objekto segmentavimas ir ribota kompiuterija tikrai padidins tiek suspaudimo efektyvumą, tiek realaus laiko veikimą, atveriant kelią plačiam priėmimui transliacijų, telepriežiūros ir išmanymo sistemos programos ateinančiais metais.

Rinkos priėmimas ir augimo prognozė (2024–2030)

Objektų pagrindu sukurtas JPEG perdavimas, paradigmų pokytis nuo tradicinio blokinio vaizdo suspaudimo, 2025 metais pritraukia dėmesį tiek tyrimų, tiek pramonės srityse. Ši technologija leidžia vaizdų kodavimą, perdavimą ir rekonstrukciją dalindama juos į semantiškai prasmingus objektus, o ne vienodas pikselių blokas. Šis požiūris žada reikšmingus patobulinimus bandos efektyvumo, adaptacinės kokybės ir interaktyvių vaizdo aplikacijų srityje, ypač tokiose srityse kaip vaizdo transliacija, telemedicina ir išmanusis stebėjimas.

Objektų pagrindu sukurtų JPEG perdavimo rinkos priėmimas yra glaudžiai susijęs su tęsiamomis standartizavimo pastangomis, kurias vadovauja Bendrosios fotografijos ekspertų grupė (JPEG), tarptautinė komitetas, atsakingas už vaizdo kodavimo standartus. 2024 metais JPEG inicijavo JPEG Snack ir JPEG AI projektus, kuriuose objekto pagrindu kodavimas yra pagrindinė tyrimų kryptis. Šios iniciatyvos tikimasi, kad iki 2026–2027 metų duos naujus standartus, suteikiančius pagrindą plačiam komerciniam diegimui.

Ankstyvas priėmimas yra akivaizdus pramonės šakose, kuriose reikia aukštos kokybės vaizdo manipulacijos ir selektyvaus perdavimo. Pavyzdžiui, medicininio vaizdavimo sektorius, kuriuo atstovauja tokios organizacijos kaip Siemens Healthineers ir GE HealthCare, bando objekto pagrindu sukurtus JPEG sprendimus, kad būtų galima greičiau ir efektyviau užtikrinti nuotolinę diagnostiką. Panašiai automobilių ir saugumo pramonės nagrinėja objekto pagrindu sukurtą perdavimą realaus laiko vaizdo analizei ir išmaniųjų kamerų sistemoms, pasinaudojant technologijos gebėjimu prioritizuoti kritinius objektus scenoje.

Augimo perspektyvoje artimiausi keleri metai tikriausiai atneš laipsnišką, tačiau spartesnę priėmimo kreivę. Tikimasi, kad perėjimas nuo tyrimų prototipų prie komercinių produktų prasidės 2025 metais, su ankstyvais įdiegimais įmonių ir specializuotų vartotojų programose. Iki 2027 metų, kai standartai subręs ir aparatūros parama taps labiau prieinama, objekto pagrindu sukurtas JPEG perdavimas projekte bus advokatuoti į tradicinius rinkos segmentus, įskaitant mobiliuosius įrenginius ir debesies pagrindu veikiančias vaizdo paslaugas.

Pagrindiniai rinkos augimo varikliai yra AI varomo vaizdo analizės plitimas, 5G ir ribotas kompiuterijos infrastruktūros plėtra, ir vis didėjanti paklausa interaktyvioms ir įtraukiančioms žiniasklaidos patirtims. Tarptautinė telekomunikacijų sąjunga (ITU) ir Tarptautinė standartizacijos organizacija (ISO) greičiausiai atliks svarbius vaidmenis harmonizuojant pasaulinius standartus bei pagreitindamos priėmimą.

Apibendrinant, objekto pagrindu sukurtas JPEG perdavimas atrodo pasirengęs reikšmingam rinkos augimui nuo 2024 iki 2030 metų, o priėmimo rodikliai glaudžiai susiję su standartizacijos etapais ir duomenų intensyvių pramonės poreikiais. 2025 metų perspektyvos yra optimistiškos, su apčiuopiamais pažangais tiek technologijų paruošimui, tiek pramonės įsitraukimui.

Atvejų studijos: realūs diegimai ir rezultatai

Objektų pagrindu sukurtas JPEG perdavimas, apimantis atskirų objektų kodavimą ir perdavimą vaizde, o ne viso vaizdo kaip monolitinio bloko, pastaraisiais metais pastebimai atliko realaus pasaulio eksperimentus ir diegimus. Šis požiūris pasitelkia pažangą vaizdo segmentavimo, objekto atpažinimo ir adaptacinio suspaudimo srityse, siekdamas optimizuoti juostos naudojimą ir pagerinti vartotojo patirtį programose, tokiuose kaip vaizdo konferencijos, nuotolinio bendradarbiavimo ir debesų pagrindu veikiančių vaizdo redagavimo.

Reikšminga atvejų studija yra tęsiama Bendrosios fotografijos ekspertų grupės (JPEG) darbo, tarptautinės standartizacijos komisijos, atsakingos už JPEG vaizdo formatus. 2023 metais JPEG užbaigė JPEG Snack ir JPEG Systems standartus, kurie sudaro objektą pagrindu sukurto vaizdo kodavimo pagrindą, palaikydami sluoksnius ir interaktyvų vaizdo turinį. Remiantis šiuo, JPEG AI ir JPEG Pleno iniciatyvos aktyviai kuria standartus objekto pagrindu ir scenos pagrindu veikiančiam vaizdo vaizdavimui, su pilotinėmis diegimais, kurių tikimasi 2025 metais ir vėliau. Šie standartai testuojami bendradarbiaujant su pramonės partneriais įmonėse, tokiose kaip telemedicina ir išmanusis stebėjimas, kur reikalingų tinkamai objekto selektyvaus perdavimo arba saugos prioritetinių objektų galima sumažinti vėlavimus ir tinklo apkrovą.

Komerciškai, Adobe integravo objekto pagrindu sukurtus kompresijos metodus į savo debesų pagrindu veikiančias Photoshop ir Lightroom platformas. Nuo 2024 metų pabaigos, pasirinkti įmonių vartotojai gali įkelti ir redaguoti nuotraukas, kur tik modifikuoti objektai yra vėl koduojami ir perduodami, pagal vidinius Adobe vertinimus, tai lemia iki 40% juostos sutaupymą bendradarbiavimo darbo srautuose. Šis požiūris ypač naudingas komandoms, dirbančioms su aukštos rezoliucijos turiniu ribotuose tinkluose.

Kitas diegimas matomas vaizdo konferencijų srityje. Cisco išbandė objekto pagrindu sukurtą JPEG perdavimą savo Webex platformoje, sutelkdama dėmesį į scenarijus, kur fonas ir priekinis planas (pvz., kalbėtojas) yra koduojami ir perduodami atskirai. Ankstyvi rezultatai iš 2025 metų bandymų rodo 30% sumažėjimą reikalaujamo juostos perdavimo dinamiškose scenose, tuo pačiu išlaikant ar gerinant suvokiamą vizualinę kokybę. Cisco tyrimų padalinys bendradarbiauja su akademiniais partneriais, kad būtų galima toliau tobulinti objekto segmentacijos algoritmus realaus laiko programoms.

Žvelgdami į priekį, objekto pagrindu sukurtas JPEG perdavimas atrodo perspektyvus. Bendrosios fotografijos ekspertų grupė (JPEG) tikisi, kad iki 2027 metų objekto pagrindu sukurti standartai bus plačiai priimti debesų vaizdų, telemedicinos ir išmanios miesto infrastruktūros srityse, skatinant efektyvų, kontekstui jautrų vaizdo perdavimą. Tęsiamos standartizacijos ir realaus pasaulio diegimų tikimasi paspartinti, o tarpusavio suderinamumas ir saugumas išlieka pagrindinėmis fokusavimo sritimis.

Ateities perspektyvos: AI integracija, ribota kompiuterija ir dar daugiau

Objektų pagrindu sukurtas JPEG perdavimas yra pasirengęs reikšmingiems pokyčiams, kurias lemia dirbtinio intelekto (AI), ribotos kompiuterijos ir pažangių vaizdo kodavimo standartų sankirtos. 2025 metais moksliniai tyrimai ir plėtros pastangos intensyvėja, siekiant patenkinti didėjantį efektyvaus, konteksto suvokiančio vaizdo perdavimo poreikį, naudojamą tokiose programose kaip autonominiai transportai, išmanusis stebėjimas ir įtraukiantieji multimedijos.

AI integracija yra šio pokyčio priešakyje. Giliojo mokymosi modeliai vis dažniau naudojami objektams identifikuoti ir segmentuoti vaizduose prieš juos suspaudžiant ir perduodant. Tai leidžia selektyvų kodavimą, kai tik relevantiniai objektai siunčiami didesnės kokybės, tuo tarpu fono arba mažiau svarbios sritys yra kompresuojamos agresyviau. Tokių požiūrių tiria pirmaujančios moksliniai tyrimai institucijos ir pramonės konsorciumai, įskaitant Bendrosios fotografijos ekspertų grupę (JPEG), kuri yra atsakinga už tęsiamą JPEG standartų plėtrą. JPEG AI iniciatyva, pavyzdžiui, nagrinėja, kaip neuroniniai tinklai gali padidinti tiek suspaudimo efektyvumą, tiek semantinį supratimą vaizdų turinyje, atverdami kelią protingesniems objekto pagrindu sukurtiems perdavimo darbo srautams.

Ribota kompiuterija taip pat yra dar viena svarbiausia galimybė. Su IoT įrenginių plitimu ir būtinybe priimti realaus laiko sprendimus, vaizdų apdorojimas artimesnis duomenų šaltiniui tampa būtinas. Objektų pagrindu sukurtas JPEG perdavimas ribotose aplinkose leidžia įrenginiams analizuoti ir perdavinėti tik svarbiausią vaizdinę informaciją, sumažindamas juostos sunaudojimą ir delsimą. Tokios organizacijos kaip Europos telekomunikacijų standartizacijos institutas (ETSI) aktyviai rengia standartus ir sistemas, kad palaikytų ribotą medijų apdorojimą, kas bus labai svarbu įgyvendinant objekto pagrindu sukurtą perdavimą plačiuose tinkluose.

Žvelgdami į priekį, tikimasi, kad objekto pagrindu sukurtas JPEG perdavimas su AI ir ribota kompiuterija greičiausiai pagreitės per artimiausius kelerius metus. Tikimasi, kad nauji JPEG standartų, tokių kaip JPEG XL ir JPEG AI, leidimas suteiks pažangius palaikymus objekto lygio kodavimui ir adaptaciniam suspaudimui. Šie pasiekimai greičiausiai bus priimti maitinant efektyvius vizualinius duomenis, įskaitant sveikatos priežiūros vaizdų, išmaniuosius miestus ir sujungtas transporto priemones. Be to, bendradarbiavimas tarp standartizacijos institucijų, technologijų kompanijų ir akademinių tyrėjų toliau skatins naujoves, užtikrinančias, kad objekto pagrindu sukurtas JPEG perdavimas išliktų priekyje vizualinės komunikacijos technologijose.

Apibendrinant, objekto pagrindu sukurtas JPEG perdavimas bus spartus technologijų pažangos ir besiplečiančių programų domenų ženklas. Sinergija tarp AI, ribotų kompiuterijų ir besikeičiančių vaizdų standartų apibrėš naują kartą efektyvių ir protingų vizualinio perdavimo sistemas.

Šaltiniai ir nuorodos

• Bendrosios fotografijos ekspertų grupė (JPEG)
• Microsoft
• NVIDIA
• Tarptautinė standartizacijos organizacija (ISO)
• Tarptautinė standartizacijos organizacija (ISO)
• Tarptautinė telekomunikacijų sąjunga (ITU)
• Tarptautinė telekomunikacijų sąjunga (ITU)
• Siemens Healthineers
• GE HealthCare
• Adobe
• Cisco
• Bendrosios fotografijos ekspertų grupė (JPEG)