2025 के अंतरराष्ट्रीय उपभोक्ता इलेक्ट्रॉनिक्स शो (CES) की उद्घाटन सभा में, NVIDIA के सीईओ जेन-सन ह्वांग ने "वीडियो विश्लेषण एआई एजेंट ब्लूप्रिंट" पेश करने की घोषणा की। यह नया प्लेटफ़ॉर्म NVIDIA के Metropolis सिस्टम पर आधारित है, जिसका उद्देश्य संगठनों और व्यक्तियों की उत्पादकता और सुरक्षा में वृद्धि करना है, और यहां तक कि एथलीटों के प्रदर्शन में सुधार करने में मदद करना है। वर्तमान में, दुनिया भर में 1.5 बिलियन से अधिक व्यावसायिक स्तर के कैमरे स्थापित हैं, जो प्रति वर्ष लगभग 70 ट्रिलियन घंटे的视频 डेटा उत्पन्न करते हैं। हालांकि, केवल नहीं

वीडियो विश्लेषण के क्षेत्र में, वस्तुओं की स्थिरता मानव के लिए एक महत्वपूर्ण संकेत है, जो यह समझने में मदद करता है कि वस्तु पूरी तरह से अवरुद्ध होने पर भी मौजूद है। हालांकि, वर्तमान वस्तु विभाजन विधियाँ अधिकांशतः केवल दृश्य (मोडल) वस्तुओं पर ध्यान केंद्रित करती हैं, और अदृश्य (दृश्य + अदृश्य) वस्तुओं के साथ काम करने में कमी है। इस समस्या का समाधान करने के लिए, शोधकर्ताओं ने एक दो-चरणीय विधि डिफ्यूज़न-वास पेश की है, जिसका उद्देश्य वीडियो अदृश्य विभाजन और सामग्री पूरी करने के प्रभाव को बढ़ाना है, यह वीडियो में निर्धारित लक्ष्य को ट्रैक कर सकता है, और फिर अवरुद्ध भागों को पूरा करने के लिए डिफ्यूज़न मॉडल का उपयोग कर सकता है।

चार साल के इतिहास वाली AI स्टार्टअप कंपनी EndlessAI द्वारा हाल ही में लॉन्च किया गया iOS एप्लिकेशन लॉयड, गुपचुप तरीके से लॉन्च होने के केवल तीन महीनों के भीतर 50,000 से अधिक उपयोगकर्ताओं को आकर्षित कर चुका है। लॉयड की विशेषता यह है कि यह स्व-विकसित वीडियो स्ट्रीमिंग और कोडिंग तकनीक का उपयोग करता है, इसके माध्यम से उपयोगकर्ताओं का वास्तविक समय वीडियो, AI मॉडल के साथ मिलकर विभिन्न कार्यों का समर्थन करता है, जैसे कि साइकिल मरम्मत से लेकर सोने से पहले कहानी सुनाना। वर्तमान में, 41% उपयोगकर्ता प्रतिदिन इस एप्लिकेशन का उपयोग करते हैं। हालांकि, लॉयड अभी तक ChatGPT के स्तर तक नहीं पहुँचा है।

गूगल ने हाल ही में एक नई एआई संचालित सुविधाओं की श्रृंखला पेश की है, जिससे उपयोगकर्ताओं के लिए सर्च इंजन और Google Lens का अनुभव और भी समृद्ध हो गया है। गूगल सर्च के उपाध्यक्ष लिज़ रीड के अनुसार, Google Lens अब हर महीने लगभग 20 अरब दृश्य खोजों को संभालता है, उपयोगकर्ता वीडियो शूट करके और सवाल पूछकर आसानी से एआई द्वारा उत्पन्न सारांश प्राप्त कर सकते हैं। बस Google ऐप में शटर बटन को दबाकर पूछें, सिस्टम चैनल वीडियो और सवाल का विश्लेषण करेगा, उपयोगकर्ताओं के लिए।