PrAViC: klasyfikacja wideo w czasie rzeczywistym z wczesnymi, pewnymi decyzjami zaprezentowana na ECAI 2025

Podczas ECAI 2025 w Bolonii — jednej z najważniejszych europejskich konferencji poświęconych sztucznej inteligencji — zaprezentowaliśmy PrAViC, probabilistyczne podejście umożliwiające szybką i pewną klasyfikację wideo w czasie rzeczywistym. Praca została przedstawiona w głównym tracku konferencji przez dr. inż. Arkadiusza Lewickiego, CTO Prometheus MedTech.AI.

PrAViC (Probabilistic Adaptation Framework for Real-Time Video Classification) odpowiada na jedno z kluczowych wyzwań współczesnych systemów percepcyjnych: podejmowanie wiarygodnych decyzji bez konieczności oczekiwania na pełne sekwencje wideo. Tradycyjne modele 3D CNN wymagają przetwarzania całych klipów, co czyni je niepraktycznymi w środowiskach wymagających natychmiastowej reakcji. PrAViC zmienia ten paradygmat dzięki probabilistycznej formulacji, która umożliwia wczesne i pewne predykcje — często już po kilku klatkach.

Nasze eksperymenty pokazują nawet 2,6× wyższą efektywność w porównaniu z konwencjonalnymi podejściami, przy jednoczesnym utrzymaniu dokładności na poziomie 91–93% oraz pełnej pracy w czasie rzeczywistym. Co istotne, PrAViC nie wymaga zmian architektury ani ponownego trenowania modeli, co pozwala na bezproblemową integrację z istniejącymi modelami 3D CNN.

Potencjalne zastosowania są szerokie — od monitorowania kierowców i interakcji człowiek–robot po diagnostykę medyczną w czasie rzeczywistym, gdzie wczesne i wiarygodne rozpoznanie w echokardiografii może bezpośrednio wpływać na wyniki leczenia pacjentów.

Prometheus MedTech.AI reprezentowała również Magdalena Trędowicz, której badania koncentrują się na multiple instance learning oraz interpretowalności modeli na Uniwersytecie Jagiellońskim.

ECAI 2025 zgromadziło czołowych badaczy i praktyków branży kształtujących przyszłość sztucznej inteligencji. Jesteśmy dumni, że nasz wkład podkreślił kluczowy kierunek rozwoju tej dziedziny: inteligentniejsze, szybsze i bardziej wiarygodne podejmowanie decyzji, zamiast jedynie skalowania rozmiaru modeli.