← नवीनतम पेपर
💻 computer science

CoVStream: Edge-Cloud Collaboration for Understanding of Long Video Streams

CoVStream एक नवीन एज-क्लाउड सहयोगात्मक ढांचा है जो संसाधन-सीमित एज उपकरणों से क्लाउड सर्वर तक संकुचित (distilled) दृश्य विशेषताओं और सिमेंटिक कैप्शन को प्रसारित करके बैंडविड्थ की खपत को कम करता है, जिससे एंटिटी ग्राफ एकीकरण और ऑन-डिमांड भारी तर्क (heavy reasoning) के लिए बैंडविड्थ का उपयोग कम होता है, और लंबी वीडियो स्ट्रीम समझ के लिए बेसलाइन सटीकता के करीब 87.6% बैंडविड्थ की कमी प्राप्त करता है।

मूल लेखक: Xu Liu, Guikun Chen, Zihao Yan, Kanzhi Wu, Wenguan Wang

प्रकाशित 2026-06-23
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: Xu Liu, Guikun Chen, Zihao Yan, Kanzhi Wu, Wenguan Wang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपने स्मार्ट चश्मा पहना हुआ है जो आपके पूरे दिन को रिकॉर्ड करता है, सुबह जागने से लेकर रात को सोने तक। आप चाहते हैं कि ये चश्मे आपके व्यक्तिगत सहायक बनें, जो आपके सवालों के जवाब देने के लिए तैयार हों जैसे, "मैंने अपनी चाबियाँ कहाँ छोड़ी थीं?" या "आज सुबह मैंने वह मज़ेदार कुत्ता क्या देखा था?"

समस्या यह है कि आपके चश्मे छोटे हैं और उनकी बैटरी कमज़ोर है (एज डिवाइस - Edge Device)। वे अपने आप में भारी गणना करने में सक्षम नहीं हैं। यदि वे आपके पूरे दिन का कच्चा (raw) वीडियो क्लाउड (एक सुपर-कंप्यूटर) को भेजने की कोशिश करते हैं, तो यह इंटरनेट कनेक्शन को एक ट्रैफिक जाम की तरह जाम कर देगा, जिससे डेटा की बहुत अधिक लागत आएगी और बैटरी तुरंत खत्म हो जाएगी।

Co-VStream इसे हल करने का एक नया तरीका है, जो आपके चश्मे और क्लाउड के बीच एक बेहतरीन टीम-अप बनाता है। इसे एक जीनियस डिटेक्टिव (जासूस) के लिए काम करने वाले एक स्मार्ट सेक्रेटरी (सचिव) के रूप में समझें।

पुराने तरीकों के साथ समस्या

  • "क्लाउड-ओनली" दृष्टिकोण: कल्पना कीजिए कि आपके चश्मे आपके पूरे जीवन का हाई-डेफिनिशन लाइव वीडियो स्ट्रीम 24/7 क्लाउड को भेज रहे हैं। यह हर दिन एक किताब की लाइब्रेरी डाक से भेजने जैसा है सिर्फ एक सवाल पूछने के लिए। यह बहुत भारी, बहुत धीमा और बहुत महंगा है।
  • "लोकल-ओनली" दृष्टिकोण: कल्पना कीजिए कि आपके चश्मे सारा काम खुद करने की कोशिश कर रहे हैं। यह एक बच्चे से जटिल गणित का सवाल हल करने के लिए कहने जैसा है। उनके पास इतनी दिमागी शक्ति (या मेमोरी) नहीं है कि वे याद रख सकें कि कल आपने क्या किया था।

Co-VStream समाधान: एक दो-चरणीय टीम

Co-VStream काम को इस तरह विभाजित करता है कि दोनों पक्ष वही करें जिसमें वे माहिर हैं, बिना एक-दूसरे के काम में बाधा डाले।

1. एज (आपके चश्मे): "स्मार्ट समराइज़र" (सारांश बनाने वाला)

कच्चा वीडियो भेजने के बजाय, आपके चश्मे एक अत्यधिक कुशल संपादक (editor) के रूप में कार्य करते हैं।

  • फ़िल्टर: जैसे-जैसे आप घूमते हैं, चश्मे वीडियो देखते हैं। यदि आप 10 मिनट तक बिना किसी घटना के सड़क पर चल रहे हैं, तो चश्मे समझ जाते हैं, "यह उबाऊ है, मुझे इसे भेजने की ज़रूरत नहीं है।"
  • संक्षेपण (Condensation): वे वीडियो को लेते हैं और उसे दो छोटी, हल्की चीज़ों में कंप्रेस कर देते हैं:
    1. विजुअल हाइलाइट्स: दृश्य कैसा दिखता है, इसके कुछ प्रमुख "स्नैपशॉट"।
    2. लघु नोट्स: क्या हुआ इसका सरल वाक्यों में वर्णन (जैसे, "नीली शर्ट पहने एक आदमी बेंच पर बैठा")।
  • परिणाम: वे 100GB की वीडियो फ़ाइल भेजने के बजाय, एक छोटा टेक्स्ट मैसेज और कुछ चित्र भेजते हैं। इससे डेटा ट्रैफिक में 87.6% की बचत होती है।

2. क्लाउड (सुपर-कंप्यूटर): "जीनियस डिटेक्टिव" (जासूस)

क्लाउड इन छोटे सारांशों को प्राप्त करता है और दो काम करता है:

  • मेमोरी बैंक: यह एक विशाल, व्यवस्थित माइंड-मैप (Entity Graph) बनाता है। यह केवल चित्र ही नहीं रखता; यह कड़ियों को जोड़ता है। यह जानता है कि "नीली शर्ट वाला आदमी" वही व्यक्ति है जो "बेंच पर बैठा था।" यह इस मैप को रीयल-टाइम में अपडेट रखता है, लेकिन जब तक आप सवाल नहीं पूछते, यह सोता रहता है।
  • डिटेक्टिव वर्क: जब आप पूछते हैं, "मेरी चाबियाँ कहाँ हैं?", तो क्लाउड तुरंत जाग जाता है। यह पूरे दिन को दोबारा नहीं देखता। इसके बजाय, यह अपने माइंड-मैप को देखता है, "चाबियों" के बारे में विशिष्ट नोट ढूँढता है, और आपको उत्तर देता है।

यह क्यों एक गेम-चेंजर है

  • यह तेज़ है: क्योंकि क्लाउड केवल तभी भारी काम करता है जब आप वास्तव में कोई सवाल पूछते हैं (और लगातार वीडियो प्रोसेस नहीं करता), यह लगभग 3 सेकंड में जवाब देता है। यह पूरे वीडियो को क्लाउड भेजने और प्रतीक्षा करने से कहीं अधिक तेज़ है।
  • यह डेटा के मामले में सस्ता है: कच्चा वीडियो भेजने के बजाय सारांश भेजने से, यह 87.6% कम इंटरनेट बैंडविड्थ का उपयोग करता है।
  • यह सब कुछ याद रखता है: 24 घंटे के निरंतर वीडियो के बाद भी, सिस्टम की मेमोरी छोटी और स्थिर रहती है। अन्य तरीके कुछ ही घंटों में मेमोरी खत्म कर देंगे क्योंकि वे हर सिंगल फ्रेम को बचाने की कोशिश करते हैं। Co-VStream केवल "महत्वपूर्ण चीज़ों" को ही बचाता है।
  • यह कमज़ोर डिवाइसों पर भी काम करता है: आपके चश्मों को अपने अंदर सुपर-कंप्यूटर की आवश्यकता नहीं है। उन्हें बस सारांश बनाने में अच्छा होना चाहिए, जो वे आसानी से कर सकते हैं।

निष्कर्ष

Co-VStream एक ऐसे व्यक्तिगत सहायक की तरह है जो जो कुछ भी आप देखते हैं उसके नोट्स लेता है (Edge) और एक जीनियस लाइब्रेरियन (पुस्तकालयाध्यक्ष) की तरह जो उन नोट्स को पूरी तरह व्यवस्थित करता है (Cloud)। जब आप सवाल पूछते हैं, तो लाइब्रेरियन लाइब्रेरी की हर किताब को पढ़े बिना तुरंत उत्तर ढूँढ लेता है। यह आपके स्मार्ट चश्मों को बिना भारी खर्च या बैटरी खत्म किए आपके पूरे दिन को समझने की अनुमति देता है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💻 cs →