4 aug - Visuele AI in de productie

Sluit je aan bij onze virtuele meetup om presentaties van experts te horen over baanbrekende onderwerpen op het snijvlak van productie, AI, ML en computerzicht. Datum, Tijd en Locatie 4 aug 2026 09:00 - 11:00 PST Online. Registreer voor de Zoom! Meervoudige agents mogelijk maken aan de rand De volgende generatie AI-agents gaat verder dan cloudgebaseerde tekstmodellen en zal in real-time interactie hebben met de fysieke meervoudige wereld. In het visiedomein zijn AI-agents afhankelijk van Vision-Language Models (VLM's) in hun backbone. Het implementeren van enorme VLM's met miljarden parameters op randapparatuur blijft echter een aanzienlijke technische uitdaging. Gebaseerd op onze recente ICML- en CVPR-onderzoekspapers, verkent deze sessie vooruitgang in agentische modeloptimalisaties, specifiek hoe distillatie en inkorting 'zware' modellen transformeren in slanke, randklare engines. Ten slotte presenteer ik onze UI-agent die draait op de daadwerkelijke telefoon die door het team van ons laboratorium wordt ontwikkeld. Over de Spreker Denis Gudovskiy is een Distinguished AI Engineer bij Panasonic North America, waar hij R&D-activiteiten uitvoert van verschillende kern-AI-methoden, inclusief meervoudige en hardware-efficiënte agents, supervisie en RL-trainingspijplijnen, en robuustheid tegen scenario's buiten de distributie. Wanneer de camera niet te vertrouwen is: Gezondheidsbewuste visuele AI voor betrouwbare near-miss detectie Near-miss detectiesystemen worden vaak geëvalueerd alsof elk camerabeeld even betrouwbaar is, hoewel vervaging, slechte belichting, obstructie, besmetting en wisselende verlichting het visuele bewijs dat gebruikt wordt om veiligheidsbeslissingen te nemen, stilzwijgend kunnen verslechteren. Deze presentatie introduceert een online camera-gezondheidsframework dat de visuele betrouwbaarheid schat voordat de downstream perceptieprestaties aanzienlijk verslechteren. Ik zal bespreken hoe camera-gezondheidsignalen conditionele evaluatie kunnen ondersteunen, menselijke beoordeling kunnen prioriteren, onbetrouwbare waarschuwingen kunnen verminderen, en geschikt fallback-gedrag kunnen activeren. Gebaseerd op onderzoek naar veiligheid-kritisch visueel waarnemen, zal de presentatie laten zien hoe deze principes kunnen worden aangepast aan industriële videosystemen die werken met verschillende camera's, diensten, lay-outs en omgevingscondities. De presentatie zal ook camera-gezondheidsmonitoring verbinden met zeldzame gebeurtenisonderzoek en falen-gedreven datasetverbetering voor betrouwbaardere near-miss detectie. Over de Spreker Shiva Aher is een onderzoeker op het gebied van computerzicht met een universitaire achtergrond in informatica van het Georgia Institute of Technology, gespecialiseerd in kunstmatige intelligentie. Agentische VLM-toepassingen in de productie Vision Language Models (VLM's) introduceren geheel nieuwe functionaliteit voor visiewerkbelasting in de productie die traditionele computerzichtmodellen simpelweg niet bieden (bijv. open-vocabulaire detectie, in-context-learning). Toch bieden fijn afgestelde modellen zoals YOLO een niveau van precisie en recall dat de VLM's van vandaag moeite hebben om out-of-the-box te evenaren. Via agentische harnassen die oproepen naar VLM's coördineren, kunnen we beginnen met het leveren van vergelijkbare betrouwbaarheid bij productiegerelateerde taken (bijv. veel-klassen, veel-instantie detectie), terwijl we ook de geheel nieuwe functionaliteiten ondersteunen (bijv. meervoudige zoekopdrachten) die VLM's uniek maken. In deze presentatie lopen we door het ontwerp van deze harnassen, hoe je ze efficiënt bedient, en hoe ze waarde leveren in de productie. Over de Spreker Subraiz Ahmed is lid van de technische staf bij Perceptron AI. Hij bouwt de infrastructuur voor het bedienen van grensverleggende visiemodellen. Hij heeft eerder een reeks startups opgericht.