GitHub<\/a> e il supporto a JetPack 7.2 sui dispositivi edge della famiglia NVIDIA Jetson, tra cui Orin e Thor.<\/p>\n\nIl punto pi\u00f9 messo in evidenza da NVIDIA riguarda proprio le 13 nuove skill agentiche<\/strong>, pensate per aiutare a costruire pipeline partendo da prompt in linguaggio naturale, invece di passare quasi esclusivamente da configurazioni manuali e codice scritto a mano.<\/p>\n\nCon questa release arrivano anche due funzioni rivolte ai progetti multicamera, sempre secondo NVIDIA: Multi-View 3D Tracking, che cerca di mantenere coerente l\u2019identit\u00e0 degli oggetti tra telecamere diverse, e AutoMagicCalib, che automatizza la calibrazione.<\/p>\n\n
C\u2019\u00e8 poi un altro tassello: DeepStream 9.1 viene distribuito anche come progetto open source, dentro un repository GitHub unificato, con supporto a JetPack 7.2<\/strong> sui dispositivi edge NVIDIA Jetson come Orin e Thor.<\/p>\n\nDeepStream 9.1: 13 skill agentiche per creare pipeline video pi\u00f9 in fretta<\/h2>\n\n
L\u2019obiettivo dichiarato da NVIDIA \u00e8 semplice: tagliare in modo netto il tempo che serve per portare un\u2019applicazione in produzione.<\/p>\n\n
Secondo l\u2019azienda, il nuovo workflow pu\u00f2 comprimere cicli di sviluppo che prima richiedevano settimane<\/strong> fino a portarli a poche ore, grazie a un approccio pi\u00f9 guidato e meno legato agli interventi manuali sui singoli componenti della pipeline.<\/p>\n\nPer chi sviluppa soluzioni di visione artificiale, questo vuol dire descrivere pi\u00f9 rapidamente attivit\u00e0 come acquisizione dei flussi video, rilevamento, tracciamento, regole sugli eventi e output, con un modo di lavorare che assomiglia pi\u00f9 a un\u2019orchestrazione che a programmazione costruita da zero.<\/p>\n\n
Poi c\u2019\u00e8 il punto che conta davvero: capire quanto questo vantaggio tenga nei progetti reali, soprattutto quando entrano in scena integrazioni legacy, requisiti di conformit\u00e0 e governance dei dati.<\/p>\n\n
Tracking coerente tra telecamere con Multi-View 3D Tracking<\/h2>\n\n
Uno dei nodi storici dell\u2019analisi video multi-camera \u00e8 sempre lo stesso: mantenere la stessa identit\u00e0 per una persona o un oggetto mentre passa da una visuale all\u2019altra.<\/p>\n\n
Con DeepStream 9.1, NVIDIA prova ad affrontarlo con Multi-View 3D Tracking, o MV3DT<\/strong>, che secondo l\u2019azienda costruisce un sistema di coordinate 3D condiviso fra pi\u00f9 telecamere.<\/p>\n\nDetto pi\u00f9 concretamente, l\u2019idea \u00e8 evitare che lo stesso soggetto venga contato o classificato come entit\u00e0 diverse quando cambia angolazione oppure attraversa zone coperte da camere differenti.<\/p>\n\n
Per scenari come magazzini, negozi e smart building, questa continuit\u00e0 pu\u00f2 tradursi in dati pi\u00f9 affidabili su traffico, sicurezza e flussi operativi.<\/p>\n\n
AutoMagicCalib e open source: meno ostacoli in fase di deployment<\/h2>\n\n
Accanto al tracking multi-camera arriva AutoMagicCalib, o AMC, che NVIDIA ha pensato per automatizzare una fase spesso lunga e facile da sbagliare: la calibrazione<\/strong> delle telecamere.<\/p>\n\nTagliare il lavoro manuale in questo passaggio pu\u00f2 incidere direttamente sui tempi di installazione e anche sulla qualit\u00e0 del risultato finale, soprattutto nei siti in cui le camere sono molte e distribuite.<\/p>\n\n
\u00c8 qui che AutoMagicCalib pu\u00f2 fare la differenza, perch\u00e9 alleggerisce uno dei passaggi pi\u00f9 delicati del deployment multi-camera.<\/p>\n\n
Sul fronte dell\u2019adozione, NVIDIA ha anche reso DeepStream 9.1 open source e lo ha concentrato in un repository GitHub unificato.<\/p>\n\n
Una scelta che pu\u00f2 rendere pi\u00f9 semplice l\u2019accesso, l\u2019integrazione e la manutenzione continua, oltre a offrire maggiore trasparenza su come evolve la piattaforma.<\/p>\n\n
Focus su Jetson e casi d\u2019uso concreti<\/h2>\n\n
La release supporta JetPack 7.2<\/strong> ed \u00e8 pensata anche per migliorare il lavoro sui sistemi edge NVIDIA Jetson, inclusi Orin e Thor.<\/p>\n\nIl bersaglio, qui, \u00e8 abbastanza evidente: portare analisi video avanzata direttamente sul campo, con latenza pi\u00f9 bassa e maggiore efficienza operativa.<\/p>\n\n
NVIDIA cita casi d\u2019uso come la sicurezza nei magazzini, l\u2019analisi nel retail e il monitoraggio degli edifici intelligenti.<\/p>\n\n
In contesti di questo tipo, la combinazione tra sviluppo pi\u00f9 rapido, calibrazione automatica e tracking coerente fra telecamere d\u00e0 pi\u00f9 corpo alla strategia NVIDIA Metropolis dell\u2019azienda.<\/p>\n\n
La promessa \u00e8 ambiziosa. La verifica vera arriver\u00e0 quando queste funzioni finiranno dentro implementazioni su larga scala.<\/p>\n\n
Segui su Twitter<\/a> @LauraCeridono.<\/p>","protected":false},"excerpt":{"rendered":"DeepStream 9.1: 13 skill agentiche per mettere in piedi pipeline video in meno tempo NVIDIA ha annunciato DeepStream 9.1, un aggiornamento della sua piattaforma per l\u2019analisi video che, nelle intenzioni dell\u2019azienda, serve a rendere pi\u00f9 semplice la creazione e la gestione delle applicazioni. Le novit\u00e0 dichiarate sono 13 nuove skill agentiche, funzioni multicamera come Multi-View … Continue reading “NVIDIA DeepStream 9.1 \u00e8 ufficiale: 13 skill agentiche e tracking 3D multi-camera”<\/span><\/a><\/p>\n","protected":false},"author":9265,"featured_media":89136,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","wpcf-pageviews":0},"categories":[2474],"tags":[],"usertag":[],"vertical":[],"content-category":[2675],"class_list":["post-89137","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-news","content-category-ia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/posts\/89137","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/users\/9265"}],"replies":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/comments?post=89137"}],"version-history":[{"count":1,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/posts\/89137\/revisions"}],"predecessor-version":[{"id":89138,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/posts\/89137\/revisions\/89138"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/media\/89136"}],"wp:attachment":[{"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/media?parent=89137"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/categories?post=89137"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/tags?post=89137"},{"taxonomy":"usertag","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/usertag?post=89137"},{"taxonomy":"vertical","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/vertical?post=89137"},{"taxonomy":"content-category","embeddable":true,"href":"https:\/\/cms-articles.softonic.io\/it\/wp-json\/wp\/v2\/content-category?post=89137"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"NVIDIA](\"https:\/\/images.sftcdn.net\/images\/t_app-icon-s\/p\/2f308f15-8c72-48f5-9922-c8c97ed554fb\/674645877\/nvidia-broadcast-logo\")
\r\n <\/div>\r\n