Kyutai CADRE: โมเดลวิดีโอออโตเอ็นโคเดอร์ลดความหน่วง

Kyutai ห้องปฏิบัติการวิจัยปัญญาประดิษฐ์ ได้ประกาศเปิดตัว CADRE ซึ่งเป็นตระกูลวิดีโอออโตเอ็นโคเดอร์ (video autoencoders) แบบเปิดจำนวน 7 รุ่น ที่ได้รับการพัฒนาขึ้นมาเพื่อขับเคลื่อนโมเดลโลกเชิงโต้ตอบ (interactive world models) โดยเฉพาะ เทคโนโลยีนี้มุ่งเน้นไปที่การลดข้อจำกัดด้านความเร็วและการตอบสนองของโมเดลปัญญาประดิษฐ์ให้มีความลื่นไหลมากยิ่งขึ้น

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

ความโดดเด่นของ CADRE อยู่ที่ความสามารถในการทำงานร่วมกับฮาร์ดแวร์ประมวลผลได้อย่างมีประสิทธิภาพสูง โดยระบบที่สร้างขึ้นบนพื้นฐานของ CADRE สามารถทำงานด้วยอัตราความเร็ว 20 เฟรมต่อวินาที บนหน่วยประมวลผลกราฟิก NVIDIA H100 เพียงชุดเดียว ซึ่งถือเป็นก้าวสำคัญในการเพิ่มประสิทธิภาพการประมวลผลภาพเคลื่อนไหวขนาดใหญ่

นอกจากเรื่องของอัตราเฟรมแล้ว จุดเด่นอีกประการหนึ่งคือการควบคุมเวลาความหน่วง (lag) ให้ต่ำลงกว่า 230 มิลลิวินาที ซึ่งการตอบสนองที่รวดเร็วระดับนี้มีความสำคัญอย่างยิ่งต่อการพัฒนาโมเดลจำลองสภาพแวดล้อมที่ผู้ใช้งานสามารถโต้ตอบได้แบบเรียลไทม์ โดยไม่มีอาการหน่วงที่สังเกตเห็นได้ชัดเจน

การปล่อยชุดโมเดลเปิดทั้ง 7 รุ่นนี้ออกมา ถือเป็นส่วนหนึ่งของการสนับสนุนให้นักพัฒนาและนักวิจัยทั่วโลกสามารถเข้าถึงเครื่องมือที่มีประสิทธิภาพสูง เพื่อต่อยอดนวัตกรรมด้านโมเดลโลกเชิงโต้ตอบต่อไปในอนาคต

ที่มา: MarkTechPost