XGRIDS三维重建服务,构建云上数字孪生世界

简介: 基于阿里云建设三维重建云平台,搭建云端仿真资源池
摘要:高精度3D建模企业XGRIDS其域创新基于阿里云建设自身高精3D重建云平台,使用阿里容器服务及基于NVIDIA A10 Tensor Core GPU的ECS云服务器,帮助XGRIDS在数小时内部署好自己的3D重建计算资源池,大大节省资源部署时间;无需线下硬件投入,降低部署与运维成本。同时,云上弹性保障XGRIDS在临时突增业务可快速扩容,让计算更高效、调度更弹性,助力创业期客户迅速开展业务。


图片1.png


XGRIDS其域创新是一家全球领先的三维技术软硬一体化科技公司,致力于打造高精度的三维重建技术,通过分布式高性能计算、边缘计算和深度学习技术的研发,助力打造建筑、数字孪生、影视、娱乐、游戏、智能制造等领域的3D内容快速生成与应用,打造三维内容引擎,在阿里云上构建三维内容创作生态,成为数字虚拟世界内容基座。

 

在计算机视觉中,三维重建是指根据单视图或者多视图的图像重建三维信息的过程。例如,融合某个区域多角度的摄影影像,通过三维重建服务快速生成该地区的三维模型,无需3D建模师从零开始建模。这将大大提升三维建模效率。

图2-多源数据融合.jpg

XGRIDS其域创新三维重建展示,从城市级到小物体


三维重建技术应用十分广泛。近几年引起热议的XR(指包含VR虚拟现实、AR增强现实和MR混合现实在内的扩展现实技术与应用)相关应用中就需要大量的生物、物体、空间等主题的三维模型。在数字孪生城市管理场景下的三维地图重建,数字工厂领域的工业仿真、机器人仿真,都有着丰富应用。

 

在 2021 年 11 月的 NVIDIA GTC 大会上,XGRIDS其域创新凭借国际领先的三维重建技术,成为NVIDIA Omniverse 中国区合作伙伴


三维重建场景的计算需求:弹性、高性能


XGRIDS其域创新提供的SaaS服务,客户需求往往是随机的,因此对GPU计算资源的需求是弹性的,项目期间可能通过复杂的算法要分析计算上万张照片,然后计算出相关的3D模型,项目过后对资源的需求即回落。面对业务突增时期,一旦资源有限,导致无法在规定期限内完成项目工作,将影响项目交付;使用传统IDC机房部署大量的GPU又会出现计算资源缺乏弹性,在不同的业务阶段都会受到资源限制。


项目制的业务属性要求IT系统较为敏捷,因此XGRIDS其域创新选择基于容器的架构。如果自建容器对企业技术人员专业度要求较高,且搭建周期较长,无法满足业务落地的诉求。


对于在创业初期、高速发展的XGRIDS其域创新而言,在业务拓展的同时,传统自建硬件机房的方案过于笨重且时间周期较长。弹性、敏捷的计算需求也跟云十分契合,加上重建的三维模型对其自身与企业而言,都是重要资产,如果通过移动硬盘等方式流转将有较大的数据泄露风险,因此XGRIDS其域创新诞生之初就选择基于云。


云原生弹性支持快速三维重建服务


XGRIDS其域创新基于阿里云建设自身三维重建云平台,使用阿里容器服务及基于NVIDIA A10 GPU的云服务器,帮助XGRIDS其域创新一周内搭建好自己的云端仿真资源池,大大节省资源部署时间;同时无需线下硬件投入,降低部署与运维成本

 

借助弹性容器实例ECI的 Serverless和容器化的弹性计算服务,无需管理底层ECS服务器,根据业务流量自动对业务进行扩容,避免流量激增扩容不及时而导致系统故障,以及平时大量闲置资源造成的浪费。

 

阿里云有着亚洲最大规模的GPU集群,云上弹性伸缩服务让XGRIDS在项目高峰期快速弹出海量计算资源支持项目,保障临时突增业务可快速扩容,让计算更高效、调度更弹性,助力创业期客户迅速开展业务。


图片3.png

XGRIDS业务架构

 

相信在XGRIDS其域创新等三维重建企业及NVIDIA、阿里云等计算基础设施提供方的共同合作下,数字孪生应用将会更蓬勃的发展,为城市管理、智慧农业、数字工厂等各行业的数字化转型助力。


点击这里,了解阿里云GPU云服务器产品详情。

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
城市大脑 算法 数据可视化
数字孪生核心技术揭秘(六):传统三维gis与数字孪生的区别
当前对“数字孪生城市”没有一个严格界定的标准,本质上“数字孪生城市”是在传统三维GIS应用的基础上演化而来;随着技术创新和行业需求的发展,两者的差异也越来越大;本文梳理了两者的异同,同时比较了两者的适用场景。
4304 1
数字孪生核心技术揭秘(六):传统三维gis与数字孪生的区别
EMQ
|
存储 人工智能 边缘计算
云边协同架构助力智能工厂视觉 AI 缺陷检测应用构建
打破检测系统和产线自动化设备之间的信息孤岛,构建数据高速通道,为视觉AI缺陷检测算法模型提供数据支撑,实现工厂生产智慧优化。
EMQ
507 1
云边协同架构助力智能工厂视觉 AI 缺陷检测应用构建
|
1月前
|
存储 人工智能 自然语言处理
边缘智能的新时代:端侧大模型的研究进展综述
【10月更文挑战第9天】随着人工智能的发展,大语言模型在自然语言处理领域取得突破,但在资源受限的边缘设备上部署仍面临挑战。论文《On-Device Language Models: A Comprehensive Review》全面综述了端侧大模型的研究进展,探讨了高效模型架构、压缩技术、硬件加速及边缘-云协作等解决方案,展示了其在实时、个性化体验方面的潜力,并指出了未来的研究方向和挑战。
123 2
|
22天前
|
机器学习/深度学习 传感器 安全
数字孪生背后的关键技术是什么?
数字孪生(Digital Twin)背后的关键技术:
38 0
|
4月前
|
存储 监控 数据安全/隐私保护
云上智能视频分析:重塑视觉监控与决策的未来
云上智能视频分析平台注重数据安全和隐私保护。通过采用多种技术手段确保视频数据在传输、存储和处理过程中的安全性和隐私性,保护用户隐私和商业秘密不受侵犯。 四、未来发展趋势 4.1 边缘计算与云计算融合 随着物联网设备数量的不断增加和数据量的快速增长,边缘计算将成为云上智能视频分析的重要发展方向。通过将计算能力和数据处理能力下沉到边缘侧,可以减少数据传输延迟和带宽消耗,提高系统的响应速度和稳定性。 4.2 跨领域融合与创新 云上智能视频分析技术将与物联网
189 7
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
|
人工智能 数据管理 物联网
数字孪生平台
数字孪生平台
346 0
|
存储 传感器 监控
金属矿皮带廊数字孪生系统
简介:矿区皮带廊,承担着物料输送、各种机电设备布置、各类监测设备布置、各类线缆和管路布置等重要任务。 现状:巷道巡检工作主要依靠人工进行定时检查、驻点值守。一方面,依靠人工检查得到的数据难以形成系统性,参考意义不大;另一方面随着设备使用时间越长,设备故障越高,需要投入越来越多的人力进行巡检、维护,很大程度上造成电力生产成本的增加。 价值:通过数字孪生皮带廊,对物料传输系统进行实时监控,降低传输故障,提高生产效率、降低生产成本。
170 0
|
机器学习/深度学习 人工智能 运维
从钢铁行业数字化管控平台的智能进化,看超自动化能力的未来边界
钢铁行业更加智能化数字化管控新品,映射出平台底层技术超自动化的能力进化。
193 0
|
Shell 数据处理 定位技术
数字孪生核心技术揭秘(二):三维模型
三维模型是一个很宽泛的概念,大部分三维模型是无法直接应用于数字孪生项目的;三维建模需要找专业的供应商进行制作,需要有标准规范和质量检验;建模、模型数据加工都需要制定规范,才能支持好数据融合;需要使用合适的数字孪生引擎才能发挥三维模型的效果;
3702 2
数字孪生核心技术揭秘(二):三维模型