GAOTA / 图像与视频的结构化工程

把图与视频,
变成可编辑、可复核的结构。

高塔团队做两件事:把一张只有像素的工程图,还原成能打开、能修改的 CAD; 把上百份视频,压缩成红、黄、绿三档可以回溯的判断。两条线共用一套工程方法—— 先把数据摸清,再谈模型。

02
在研项目
03
发明专利(申请)
02
软件著作权(申请)
04
团队成员
METHOD

三条工作纪律

  1. 先出一版,再谈好坏。任何方向 48 小时内先给一个最小可看版,再讨论改不改。返工不可怕,长期空转才可惜。
  2. 以数据为准。一个改动有没有用,看指标,不看声音大小。指标没动的改动一律回滚。
  3. 每次返工都记原因。同一类错误犯第二次,说明没记账;记下来,下次绕开。
PROJECTS / 01—02

项目

两个项目都已跑通端到端流程,指标来自同一批测试数据的实测值,不是估算。

01

文先 TextFirst

位图工程图 → 可编辑 CAD

形态
桌面工具 + 命令行
输入
扫描件 / 截图 / 印刷图
输出
DXF(线、弧、圆、文字实体)
状态
流程跑通,指标达标

甲方发来的图纸、扫描件、手机拍的截图,本质上都是一张图片。要改其中一个尺寸, 通常只能从头重画——熟练的人一张 A0 需要两到四个小时。文先把这张图片直接变成可编辑的图: 线条是线条、圆弧是圆弧,文字还是能双击修改的文字。

按颜色分层,再找结构

工程图墨色深浅不同:轮廓黑、标注灰、底纹更淡。先按颜色拆层,各层走不同判定, 避免把底纹当成线、把细线当成噪点。

断开的结构要接回去

扫描线常在中途断掉。按方向与距离把线段成簇、接回一条,同时合并重复线条、 把接近水平的线校正为水平——这一步决定图能不能用。

字号由墨迹反推

普通转换器把文字拆成线条或直接丢弃。我们按墨迹高度反推字号,再用词库校正, 输出的是可编辑的文字实体。

指标实测口径
结构覆盖率97.87%参考图元被正确还原的比例
文字识别99.06%218 / 220 字
圆弧与圆整合99.73%弧、圆合计
单张成图体积≈ 91 KB平均每张 DXF
单张耗时2 min + 40 min系统运行 + 人工校对

线精度当前 97.38%,未到 98%:瓶颈不在检测算法,而在评测时文字区域被计为图形。 这一项我们单独核过,并把口径写在这里。

02

时栅 ChronoGrid

非均匀采样 + 可逆映射的视频初筛

形态
本地流水线(GPU 推理)
输入
批量视频,含音轨
输出
红黄绿三档 + 可回查证据
状态
12 份样片验证通过

一次征稿收上来一百份,每份五分钟。逐份从头看到尾是一整天的事,而初筛真正要判断的 只有几件事:有没有违规画面、有没有实质内容、和主题对不对得上。时栅的做法是 不看全片,只看该看的地方。

非均匀时栅

画面几乎不动的地方少采,镜头一切换就加密。同样一份片子,抓关键帧的效率比匀速采样高一个量级。

可逆映射

每一帧都带原片时间点,随时能回到那一刻复核。不是黑箱打分,是可回查的证据链。

多模态交叉判定

画面、声音、文字三路各自出结论再交叉比对;三路结论不一致时自动提交人工,不做强行判定。

指标实测口径
样片分档红 7 / 黄 4 / 绿 112 份样片
单片全模态耗时78.5 s80 秒 1080p
人工基线5–8 人时100 份,仅扫横条
系统 + 复核35–130 min + 45 min机器排队跑 + 只复核黄档

我们不写“替代人工”。初筛本来就该有人把关,这套流程的作用是先把不该由人花的时间削掉。

TEAM / 04

团队

四个人,一间实验室,分工明确到能互相接手。

01

沈灵锋

队长 · 项目推进与对外接口

定下一步做什么、卡点拍板、对外沟通。

02

陈俊杰

组织协调

时间与场地对齐、条线对接,保证四个人凑得齐。

03

周心悦

资料与版本

文档归档、版本记录、材料整理不丢件。

04

成一帅

建模与数据

模型搭建、指标核算、结果复核。

HOW WE WORK

一周的节奏

周一确定方向,周二到周四出东西,周五对指标,周末补文档。

  1. 当面讲,不过夜。四个人在同一间实验室,卡点当天说清——隔屏沟通会把三天耗在一句“我这边有点问题”上。
  2. 分工不是分家。每条线至少有一个能接手的人,避免一个人休假整条线断掉。
  3. 以产出评价,不以条件评价。这条对别人成立,对我们自己也成立。
CAPABILITY / INFRASTRUCTURE

能力与资源

跑得比很多人快,一部分原因是站在这些资源上——这一点我们不回避。

01 / COMPUTE

独享计算实例

项目配置用途
显卡2 × NVIDIA L20 48 GB / 张多模态模型直接驻显存,转码与语音识别并行
处理器16 核批量解码、图像处理、评测脚本同时开
内存503 GB数百份片子驻内存比对,不必落盘
存储8.2 TB(可用 4.0 TB)原始素材、中间结果、模型权重全留档
性质独享实例不与公共队列共享,可长时间连续运行

显存按单卡 48 GB 标称、可用约 46 GB,两卡合计写 92 GB 而实际可用略低——这种差别我们照实写。

02 / PLATFORM

视频生成平台 白名单

校内视频生成平台对普通用户排队限次,我们在白名单上,可直接调用生成能力。 项目二的对照素材与演示片由此产出,不占用他人额度。

03 / LAB

独立实验室

一间可以随时使用、不必预约的独立实验室。资料、样机、储物柜都在里面; 不用抢座、不用等排期、不用协调他人时间——项目能够连续推进,靠的正是这间屋子。

04 / STACK

自建工具链

从数据核对、抽样、标注到指标核算,全部脚本化、可重跑。 任何一次改动的效果都能被复现,不依赖“印象里好像变好了”。

CONTACT

联系我们

合作、咨询、技术交流,电话或邮件都可以;也可以直接来教室找我们,当面说更快。

电话
189 1446 7239
当面
智能工程学院 机电 2 班 找班长 / 副班长 / 学习委
机电 1 班 找成一帅
站点
gaotafirm.wiki
版本
2026 年 10 月

站内所有指标均来自实测结果,并标注了口径。如对某项数据有疑问,欢迎来信索取复现方式。