NVIDIA（米国カリフォルニア州）は、動画検索・要約基盤の最新版『Metropolis Blueprint for Video Search and Summarization (VSS) 3.3』を発表した。開発用スキル『vss-build-vision-ai』と最適化機能『Adaptive EVS』を導入し、構築負荷と処理コストを同時に低減する仕組みとされる。

自然言語の指示から30分未満で視覚AIエージェントを自動構成・デプロイできる機能が追加された。また、フレーム内の不変領域を自動識別して不要なトークン処理を削減する技術により、長時間動画の要約処理において入力トークン数を最大80％削減し、同一GPU上での同時並行ストリーム数を46％向上させた模様だ。

工場ラインでの流出検知や倉庫管理など、リアルタイムの映像監視から高度な要約報告までを単一基盤で効率的に運用できる環境が整えられた。同社は開発キットとオープンソースリソースの提供を通じて、高度な映像解析システムの容易な導入と最適化を強力に後押ししていく構想と報じられている。