Perception is achieved through AI networks trained on images collected worldwide and stored in the cloud for training. Our software libraries, optimized for CPUs and GPUs, enable the compression of these training sets, specifically designed to enhance ADAS (Advanced Driver Assistance Systems) models. The initial dataset can be archived, while the compressed set is used daily. Decoding occurs in real-time during training.

• Reduced Storage Costs: The amount of data needed to store images can be reduced by a factor of 5 to 10, significantly lowering storage costs in data warehouses. Large data storage on Public Cloud rapidly becomes too costly and completely unreasonable.
  
• ADASモデルの継続的改善：コスト削減により予算の制約を克服し、ADASモデルの継続的な開発を可能にすることで、より精密で高品質なモデルを実現。

画像は世界中を走行する自動車によって記録されます。これらの車には、cloudに伝送する前に画像を保存するデータロガーが搭載されています。当社のFPGAまたはASIC用のIPコアハードウェアとソフトウェアライブラリは、保存された画像を圧縮するために使用できます。

• 費用対効果の高いストレージ：圧縮により、データロガーにより多くの画像を保存できるため、保存コストを大幅に削減できます。
• アップロード時間の短縮： 圧縮により、cloudへのアップロード時間が短縮され、全体的な効率が向上します。
• シームレスなデータ増加： cloudで再圧縮することなくトレーニングセットを増やすことができるため、データ管理プロセスが効率化されます。

時間の経過とともに、JPEG XS RAWは車載画像伝送のデファクトスタンダードとなり、当社の低消費電力ASICソリューションを使用してイメージセンサーに直接組み込むことができます。デコードは、当社のGPUライブラリおよび/または専用ハードウェアを使用して、ADASプラットフォーム上で直接実行できます。

• 消費電力の削減： セントラルプロセッサへのデータ伝送速度を下げることで、カメラモジュールに必要な電力が減少し、過熱の問題がなくなります。
• 画質の向上： ECUは物理インターフェイスの帯域幅に制限されなくなり、より高い解像度、フレームレート、あるいはイメージのビット深度、より高品位な感知に導くことが可能になります。