搜索公司、投資者……

預測你的下一個投資

學術/大學
移動通訊
media.mit.edu

投資

4

投資退出

45

基金

1

合作夥伴和客戶

10

關於麻省理工學院媒體實驗室

麻省理工學院媒體實驗室超越了已知的界限和學科,鼓勵看似不同的研究領域進行最非傳統的混合和匹配。它創造了發生在邊緣的顛覆性技術,開創了諸如可穿戴計算、有形界麵和情感計算等領域。今天,實驗室的教職員工、研究人員和學生在24個研究小組中開展了350多個項目,從治療神經疾病的數字方法,到可持續城市的可堆疊電動汽車,再到可以“看到拐角”的先進成像技術。實驗室致力於超越顯而易見的問題,提出尚未提出的問題——這些問題的答案可以從根本上改善人們的生活、學習、表達、工作和娛樂方式。

總部的位置

77年質量。Ave E14燈頭/ E15

劍橋,馬薩諸塞州,02139年,

美國

617-253-5960

想通知投資者類似麻省理工學院媒體實驗室關於你的公司?

提交您的分析師簡報,以便在CB Insights的平台上麵對投資者、客戶和合作夥伴。188bet游戏

麻省理工學院媒體實驗室的研究

從CB Insights情報部門獲得數據驅動的專家分析。188bet游戏

188bet游戏CB Insights情報分析師提到了麻省理工學院媒體實驗室3 188bet游戏CB Insights研究簡報,最近在2022年3月9日

最新的麻省理工學院媒體實驗室新聞

你所知道的關於計算機視覺的一切可能很快就會錯了

2023年3月10日

如果我們跳過靜態幀的概念,而是直接分析來自相機的數據流,計算機視覺可能會更快更好。至少,這是麻省理工學院媒體實驗室的最新創意——Ubicept——正在運行的理論。大多數計算機視覺應用程序的工作方式都是一樣的:相機拍攝一張圖像(在視頻的情況下,是一係列快速的圖像)。這些靜止幀被傳遞給計算機,然後計算機進行分析,找出圖像中的內容。聽起來很簡單。但有一個問題:這種模式假設創建靜態框架是一個好主意。對於習慣看照片和視頻的人來說,這似乎是合理的。然而,計算機並不在乎,Ubicept相信它可以讓計算機視覺更好、更可靠,因為它忽略了幀的概念。這家公司本身就是聯合創始人的合作。塞巴斯蒂安·鮑爾(Sebastian Bauer)是該公司的首席執行官,也是威斯康星大學的博士後,他在那裏從事激光雷達係統的研究。 Tristan Swedish is now Ubicept’s CTO. Before that, he was a research assistant and a master’s and Ph.D. student at the MIT Media Lab for eight years. “There are 45 billion cameras in the world, and most of them are creating images and video that aren’t really being looked at by a human,” Bauer explained. “These cameras are mostly for perception, for systems to make decisions based on that perception. Think about autonomous driving, for example, as a system where it is about pedestrian recognition. There are all these studies coming out that show that pedestrian detection works great in bright daylight but particularly badly in low light. Other examples are cameras for industrial sorting, inspection and quality assurance. All these cameras are being used for automated decision-making. In sufficiently lit rooms or in daylight, they work well. But in low light, especially in connection with fast motion, problems come up.” The company’s solution is to bypass the “still frame” as the source of truth for computer vision and instead measure the individual photons that hit an imaging sensor directly. That can be done with a single-photon avalanche diode array (or SPAD array, among friends). This raw stream of data can then be fed into a field-programmable gate array (FPGA, a type of super-specialized processor) and further analyzed by computer vision algorithms. The newly founded company demonstrated its tech at CES in Las Vegas in January, and it has some pretty bold plans for the future of computer vision. “Our vision is to have technology on at least 10% of cameras in the next five years, and in at least 50% of cameras in the next 10 years,” Bauer projected. “When you detect each individual photon with a very high time resolution, you’re doing the best that nature allows you to do. And you see the benefits, like the high-quality videos on our webpage, which are just blowing everything else out of the water.” TechCrunch saw the technology in action at a recent demonstration in Boston and wanted to explore how the tech works and what the implications are for computer vision and AI applications. A new form of seeing Digital cameras generally work by grabbing a single-frame exposure by “counting” the number of photons that hit each of the sensor pixels over a certain period of time. At the end of the time period, all of those photons are multiplied together, and you have a still photograph. If nothing in the image moves, that works great, but the “if nothing moves” thing is a pretty big caveat, especially when it comes to computer vision. It turns out that when you are trying to use cameras to make decisions, everything moves all the time. Of course, with the raw data, the company is still able to combine the stream of photons into frames, which creates beautifully crisp video without motion blur. Perhaps more excitingly, dispensing with the idea of frames means that the Ubicept team was able to take the raw data and analyze it directly. Here’s a sample video of the dramatic difference that can make in practice:

麻省理工學院媒體實驗室投資

4投資

麻省理工學院媒體實驗室4投資他們最新的投資已經到位SendFriend作為他們的一部分種子VC - II2019年2月2日

CBI的標誌

麻省理工學院媒體實驗室投資活動

投資表

日期

公司

新的嗎?

共同投資者

來源

2/11/2019

種子VC - II

SendFriend

1.48美元

是的

3.

11/10/2011

兌換的注意

訂閱查看更多

99美元

訂閱查看更多

0

8/4/2011

甲組-第二組

訂閱查看更多

99美元

訂閱查看更多

0

7/15/2005

私人股本

訂閱查看更多

訂閱查看更多

10

日期

2/11/2019

11/10/2011

8/4/2011

7/15/2005

種子VC - II

兌換的注意

甲組-第二組

私人股本

公司

SendFriend

訂閱查看更多

訂閱查看更多

訂閱查看更多

1.48美元

99美元

99美元

新的嗎?

是的

訂閱查看更多

訂閱查看更多

訂閱查看更多

共同投資者

來源

3.

0

0

10

麻省理工學院媒體實驗室投資退出

45個投資組合退出

麻省理工學院媒體實驗室45投資組合出口.他們最近一次退出投資組合是擎天柱騎 2022年1月11日

日期

退出

公司

估值
估值由公司提交,從政府文件或新聞中挖掘,由VentureSource提供,或基於可比較的估值模型。

收購者

來源

1/11/2022

Acq -人才

擎天柱騎

99美元

2

12/6/2021

反向收購

Buzzfeed

99美元

17

5/25/2021

收購了

Affectiva

99美元

16

1/1/2021

分拆

訂閱查看更多

99美元

訂閱查看更多

0

9/1/2020

分拆

訂閱查看更多

99美元

訂閱查看更多

10

日期

1/11/2022

12/6/2021

5/25/2021

1/1/2021

9/1/2020

退出

Acq -人才

反向收購

收購了

分拆

分拆

公司

擎天柱騎
Buzzfeed
Affectiva

訂閱查看更多

訂閱查看更多

估值

99美元

99美元

99美元

99美元

99美元

收購者

訂閱查看更多

訂閱查看更多

來源

2

17

16

0

10

麻省理工學院媒體實驗室基金的曆史

1基金曆史

麻省理工學院媒體實驗室1 基金,包括比特幣開發者基金

截止日期

基金

基金類型

狀態

來源

3/28/2016

比特幣開發者基金

0.9美元

2

截止日期

3/28/2016

基金

比特幣開發者基金

基金類型

狀態

0.9美元

來源

2

麻省理工學院媒體實驗室合作夥伴和客戶

合作夥伴和客戶

麻省理工學院媒體實驗室10個戰略合作夥伴和客戶麻省理工媒體實驗室最近與加拿大銀行2022年3月3日

日期

類型

業務合作夥伴

國家

新聞片段

來源

3/18/2022

合作夥伴

加拿大

2

1/1/2020

合作夥伴

瑞典

Cardo Health擴展到墨西哥與麻省理工學院媒體實驗室社會影響的副產品- Cardo Health

Cardo Health正在與麻省理工學院媒體實驗室的社會影響子公司Prosperia合作,將數字醫療帶到墨西哥。

1

7/16/2018

合作夥伴

美國

在RSS上關注我們在Twitter上關注我們在Twitter上關注我們在Facebook上關注我們在LinkedIn上關注我們在Facebook上關注我們在LinkedIn上關注我們IBM研究人員訓練人工智能遵循道德準則

這可能是IBM研究團隊在繼續與麻省理工學院媒體實驗室合作的一個更廣泛的項目中探索的問題的一部分,該項目專注於工程道德推理。

1

4/2/2018

合作夥伴

美國

訂閱查看更多

訂閱查看更多

10

9/7/2017

合作夥伴

IBM

美國

訂閱查看更多

訂閱查看更多

10

日期

3/18/2022

1/1/2020

7/16/2018

4/2/2018

9/7/2017

類型

合作夥伴

合作夥伴

合作夥伴

合作夥伴

合作夥伴

業務合作夥伴

IBM

國家

加拿大

瑞典

美國

美國

美國

新聞片段

Cardo Health擴展到墨西哥與麻省理工學院媒體實驗室社會影響的副產品- Cardo Health

Cardo Health正在與麻省理工學院媒體實驗室的社會影響子公司Prosperia合作,將數字醫療帶到墨西哥。

在RSS上關注我們在Twitter上關注我們在Twitter上關注我們在Facebook上關注我們在LinkedIn上關注我們在Facebook上關注我們在LinkedIn上關注我們IBM研究人員訓練人工智能遵循道德準則

這可能是IBM研究團隊在繼續與麻省理工學院媒體實驗室合作的一個更廣泛的項目中探索的問題的一部分,該項目專注於工程道德推理。

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

來源

2

1

1

10

10

麻省理工學院媒體實驗室團隊

6團隊成員

麻省理工學院媒體實驗室6 團隊成員包括

的名字

工作經曆

標題

狀態

斯瓦特•查圖爾維迪

淡馬錫而且凱捷

創始人

當前的

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

的名字

斯瓦特•查圖爾維迪

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

工作經曆

淡馬錫而且凱捷

標題

創始人

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

狀態

當前的

訂閱查看更多

訂閱查看更多

訂閱查看更多

訂閱查看更多

為您的團隊發現正確的解決方案

CB I188bet游戏nsights技術市場情報平台分析供應商、產品、合作夥伴和專利的數百萬個數據點,幫助您的團隊找到他們的下一個技術解決方案。

申請演示

CBI網站通常使用特定的cookie來實現更好的交互我們的網站和服務。使用這些可能存儲在您設備上的cookie,允許我們改善和定製您的體驗。你可以閱讀更多關於你的Cookie選擇在我們的隱私政策在這裏.通過繼續使用這個如果您同意這些選擇。

Baidu
map