-
异构计算技术HC
-
人工智能AI
-
增强现实AR
异构计算技术HC
传统计算技术最大的问题是CPU和GPU的计算能力没有整合优化，不能进行协同运算，从而影响产品功耗。ARZHC技术让计算发挥1+1>2的效能。ARZHC可同时利用CPU与GPU的计算能力进行动态负载平衡，将计算任务拆分成各自擅长的类型。
应用案例3:基于异构计算的ARZ极速HDR技术
应用案例1:基于HC设计的ARZSR增强技术（SR 1.0）
应用案例2技术（MEMC 1.0）:基于HC设计的ARZMEMC 增强
应用案例1:基于HC设计的ARZSR增强技术（SR 1.0）
应用案例2技术（MEMC 1.0）:基于HC设计的ARZMEMC 增强
应用案例3:基于异构计算的ARZ极速HDR技术
人工智能技术AI
ALVA万物识别技术，基于ALVA独有的脉冲式神经网络（SNN），让视觉系统的精度和计算能效得到了迅速的提升，在移动平台能够检测和精确地识别出图像（包括图片和视频）中物体的类别，提升用户对正在观察场景的感知深度。
脉冲神经网络
脉冲神经网络，其模拟神经元更加接近实际，除此之外，把时间信息的影响也考虑其中：动态神经网络中的神经元不是在每一次迭代传播中都被激活（而在典型的多层感知机网络中却是），而是在它的膜电位达到某一个特定值才被激活。当一个神经元被激活，它会产生一个信号传递给其他神经元，提高或降低其膜电位。在脉冲神经网络中，神经元的当前激活水平（被建模成某种微分方程）通常被认为是当前状态，一个输入脉冲会使当前这个值升高，持续一段时间，然后逐渐衰退。出现了很多编码方式把这些输出脉冲序列解释为一个实际的数字，这些编码方式会同时考虑到脉冲。
基于神经网络的万物识别
ALVA万物识别技术，基于ALVA独有的脉冲式神经网络(SNN)，让视觉系统的精度和计算能效得到了迅速提升，在移动平台能够检测和精确地识别出图像（包括图片和视频）中物体的类别，提升用户对正在观察场景的感知深度。这是一种将会带来全新应用前景的关键性技术革新。
目前ALVA万物识别技术可以让客户在手机类移动终端上完成以下19类物体的识别： Bird /cat /chair /cow /dog /horse /sheep /person /potted-plant /sofa /tv-monitor /bottle /train /bus / car /boat /motorbike /Aero-plane /bicycle 说明：如需增加一类识别物需要2-3个月的学习训练时间。
增强现实AR
ARZ AR 算法引擎是经过特殊设计的深度神经网络，在保证物体识别性能的前提下，最大限度降低了复杂度，完成了从纸面论文到商业产品的本质转变，目前已具备图像识别（Image Recognition）、平面识别（Nature Recognition）和模型识别（Model Recognition）等识别能力，是支持最多识别模式的AR 引擎之一。其中模型识别（Model Recognition）可以通过3D模型识别和跟踪现实世界中的三维物体，是目前行业领先的识别技术。
-
图像识别算法
-
平面识别算法
-
模型识别算法
ALVA技术应用：产品和解决方案
ALVA技术应用：
产品和解决方案
产品
云羽 ARZ SYSTEMS 提供先进、可靠的工业AR产品，助力企业数字化升级。
核心竞争力
-
长期基础研发的积累
自2010年成立以来，ALVA一直致力于基础计算技术的研发，在计算视觉底层算法、AI底层算法以及基础数学算法方面有着深厚的积累，获得多项发明专利。是国内唯一能够提供完整BLAS-3（基础线性代数集-第三级）的企业，在全球范围内也是少数能提供该服务的企业。
-
强大的研发团队支撑
云羽 ARZ SYSTEMS 具有强大且稳定的技术研发队伍。清华大学资深教授为公司技术研发掌舵负责，公司主要成员均来自INTEL、AMD、微软等国际一流企业和清华、北航等知名高校。
-
广泛的市场检验
ARZ核心算法广泛应用于AMD, INTEL, Qualcomm, ARM等芯片平台，并通过OEMs(Lenovo, Vivo, Asus etc.)与ISV(StromPlayer, PPS, Youku etc.)的合作被数千万的设备与最终用户所使用。使用ARZ AR技术的相关产品也获得了华为、爱立信、柯马、博世、拜腾汽车、江铃汽车、东风日产等广泛的工业客户。
与全球工业领域服务供应商深度合作
已积累众多工业制造领域客户
