ML-анализ видео в Crowd (или как решать задачу трекинга без явного таргета?)
Программный комитет ещё не принял решения по этому докладу
Целевая аудитория
Тезисы
Во многих областях разметки активно применяются генеративные модели ИИ. Однако в анализе видео такие модели пока уступают классическим алгоритмам компьютерного зрения — особенно когда у задачи нет явного целевого объекта для трекинга.
На примере кейса из Crowd(а) разберём устройство автоматизированного пайплайна для разметки видео и ключевые компоненты кастомного алгоритма трекинга. Кроме того, я рассмотрю "грабли", на которые мы наступили, и покажу, как нам удалось ускорить разметку видео с 7 часов до 30 минут
Магистр физики, окончил физический факультет СПбГУ
Более пяти лет работаю в области ML/DS и backend-разработки. Сейчас — руководитель группы CrowdCV в Яндексе
Видео
Другие доклады секции
GenAI и большие языковые модели (LLM)
