您的位置:首页>智东西 >

艾迈斯欧司朗与Quadric达成合作,携智能图像传感器亮相CES展会|世界球精选

来源:科技八卦  

“全球领先的光学解决方案供应商艾迈斯欧司朗与端侧AI机器学习处理器IP创新者Quadric宣布达成战略合作,双方将联合开发集成传感模块,结合艾迈斯欧司朗前沿的Mira系列可见光和红外光CMOS传感器与Quadric新型Chimera™ GPNPU处理器。这些模块实现超低功耗,双方的融合将为可穿戴设备、机器人、工业及安防市场提供创新的智能传感方案。合作产品已在2023年1月5日至8日拉斯维加斯CES展会首次亮相,并进行现场演示。


【资料图】

• 此次合作将艾迈斯欧司朗Mira CMOS图像传感器与Quadric Chimera™ GPNPU处理器结合,提供高性能、低功耗的机器视觉解决方案;

• 该解决方案为各种应用提供了低功耗、小尺寸的新型智能传感功能,例如人脸检测与识别、人体姿势检测、活动与占位检测等;

• 该产品于2023拉斯维加斯CES中首度亮相并演示。

全球领先的光学解决方案供应商艾迈斯欧司朗(瑞士证券交易所股票代码:AMS)与端侧AI机器学习处理器IP创新者Quadric宣布达成战略合作,双方将联合开发集成传感模块,结合艾迈斯欧司朗前沿的Mira系列可见光和红外光CMOS传感器与Quadric新型Chimera™ GPNPU处理器。这些模块实现超低功耗,双方的融合将为可穿戴设备、机器人、工业及安防市场提供创新的智能传感方案。合作产品已在2023年1月5日至8日拉斯维加斯CES展会首次亮相,并进行现场演示。

Quadric Chimera™通用神经网络处理器(GPNPU)能够在统一架构中完成机器学习图形处理与经典数据并行C++算法,为基于边缘的应用带来先进的端侧AI功能。Quadric的架构提供了高效的机器学习(ML)推理性能,但不同于其他支持有限数量的机器学习图形运算符的神经网络加速器,Quadric的解决方案还具有通用控制与信号处理能力,从而将NPU加速器的理想属性与数字信号处理器(DSP)相结合。Quadric GPNPU能够同时运行神经网络图形与C++代码,将其用于信号预处理及后处理,并且功耗显著低于其他边缘硅解决方案。

艾迈斯欧司朗Mira系列CMOS图像传感器专注于降低传感器及系统功耗,同时尽量缩小产品尺寸,以实现分辨率效率最大化。Mira系列传感器产品组合不断扩大并提供多种分辨率,以满足需要高性能全局快门图像传感器的不同应用需求。该系列现已发布多款产品,并且正在开发更多分辨率或高或低的产品。

艾迈斯欧司朗副总裁兼CMOS图像传感器总经理Joost Seijnaeve表示:“此次合作将艾迈斯欧司朗传感器与Quadric处理集成为一个低功耗模块,为智能视觉传感部署开辟了广阔的全新可能。原始设备制造商(OEM)不再需要5W边缘硅片或15W板级计算解决方案以执行智能传感功能,其中包括人体姿势、人脸识别、物体检测、物体识别、场景分析等。如今,前沿智能视觉功能可嵌入单一集成传感器及处理模块,应用于汽车、消费、工业等领域的众多创新产品中。”

Mira图像传感器与Quadric GPNPU相结合,将图像采集与机器学习集成至一个低功耗模块。根据Quadric的模拟运行,该产品仅需数百毫瓦即可完成目前需要5W或10WGPU卡的工作任务。Mira220及未来衍生产品的分辨率,结合Quadric计算范围为1TOP至16TOP的可扩展Chimera™处理器阵容,将能够针对不同应用提供多种组合。

Quadric首席执行官Veer Kheterpal表示:“此次与艾迈斯欧司朗携手合作,Quadric感到十分振奋。该产品使设备制造商以超低功耗开发可完全编程的智能传感设备,从而开启机器学习在边缘设备中的新格局。”

艾迈斯欧司朗图像传感器在运动与手势检测中的应用(图片:艾迈斯欧司朗)

如需了解更多我们参展CES的相关信息,请访问艾迈斯欧司朗CES参展信息页面。

关于艾迈斯欧司朗

艾迈斯欧司朗集团(瑞士证券交易所股票代码:AMS)是光学解决方案的全球领导者。我们为光赋予智能,将热情注入创新,丰富人们的生活。这就是“传感即生活”的意义所在。

我们拥有超过110年的发展历史,以对未来科技的想象力为引,结合深厚的工程专业知识与强大的全球工业产能,长期深耕于传感与光学技术领域,持续推动创新。在汽车、消费、工业与医疗健康领域,我们致力于为客户提供具有竞争力的解决方案,在健康、安全与便捷方面,致力于提高生活质量,推动绿色环保。

关于Quadric

Quadric.io Inc.是通用神经网络处理器半导体IP(GPNPU)的前沿授权商,其产品能够同时运行机器学习推理工作负载以及经典DSP和控制算法。Quadric的统一硬件与软件架构针对端侧ML推理进行了优化。

关键词: 解决方案 机器学习 图像传感器

最新文章