感知是通过人工智能网络对全球收集的图像进行训练后实现的，这些图像存储在cloud 中，用于训练。我们的软件库针对 CPU 和 GPU 进行了优化，能够压缩这些训练集，专门用于增强ADAS （高级驾驶辅助系统）模型。初始数据集可以存档，而压缩集则每天使用。解码在训练过程中实时进行。

• 降低存储成本： 存储图像所需的数据量可减少 5 到 10 倍，大大降低了数据仓库的存储成本。在公共Cloud 上存储大量数据很快就会变得过于昂贵，完全不合理。
  
• 不断改进ADAS 模型：降低成本有助于克服预算限制，使ADAS 模型随着时间的推移不断发展，确保模型更精确、质量更高。
• 数学上无损

环游世界的汽车会记录图像。这些汽车配备了数据记录器，可在图像传输到cloud 之前将其存储起来。我们的IP FPGA 或 ASIC 核心硬件和软件库可用于压缩存储的图像。

• 经济高效的无损存储：通过压缩，数据记录仪可存储更多图像，从而大幅降低存储成本。
• 更快的上传时间： 压缩可缩短上传至cloud 的时间，提高整体效率。
• 更长的数据采集驱动器：无需在cloud重新压缩，即可增加训练集，从而简化数据管理流程。

随着时间的推移，JPEG XSRAW 将成为汽车图像传输的实际标准，并可使用我们的低功耗ASIC 解决方案直接集成到图像传感器中。可以使用我们的GPU 库和/或专用硬件直接在ADAS 平台上进行解码。

• 降低功耗： 降低向中央处理器的数据传输速率将减少摄像头模块所需的功率，从而消除过热问题。
• 增强图像质量： ECU 将不再受限于其物理接口的带宽，可实现更高的图像分辨率、帧速率或bit depth ，从而获得更高的感知质量。
• 减少布线

降低传感器功耗 

和防止过热。

降低电缆带宽 

实现经济高效的汽车设计。

实现高效的人工智能培训 

优化的图像数据集。