ZAPYTANIE OFERTOWE WARUNKOWE NR 1/2026 na realizację prac badawczo-rozwojowych wpisujących się w projekt dotyczący opracowania innowacyjnego systemu synchronicznego odtwarzania warunków środowiskowych oraz wybranych zjawisk atmosferycznych w realizacji nagrań audio-wizualnych XR.
Notice description
Przedmiotem zamówienia jest realizacja prac badawczo-rozwojowych wpisujących się w projekt dotyczący opracowania innowacyjnego systemu synchronicznego odtwarzania warunków środowiskowych oraz wybranych zjawisk atmosferycznych w realizacji nagrań audio-wizualnych XR.
ZAKRES ZADAŃ DLA WYKONAWCY
Czas realizacji: 01-01-2027 – 31-12-2027:
1. Analiza mapowania parametrów (REP) sterujących systemem do parametrów sterujących algorytmami renderującymi.
a) analiza odwzorowania rzeczywistych parametrów meteo, operujących w domenie ostrej (liczby rzeczywiste), na parametry lingwistyczne, operujące w domenie rozmytej (bardziej intuicyjne dla operatora, np. intensywność opadów [mm/h] -> kategorie opadów: lekkie, umiarkowane, itd.) i wybór zbioru reprezentatywnych parametrów REP dla każdego zjawiska atmosferycznego i typu oświetlenia, na podstawie danych Zamawiającego;
b) opracowanie obiektywnych matryc referencyjnych, tj. podzbioru wzorcowych scen AV, korespondujących z wybranymi (typowymi) wartościami parametrów REP
Forma: raport
2. Opracowania modeli identyfikujących parametry zjawisk pogodowych (OBS) z materiału video.
a) zaprojektowanie procedur pre-processingu materiałów AV (ujednolicenie formatów, redukcja drgań obiektywu, separacja pierwszego planu od tła) oraz wyodrębniania wizualnych atrybutów pogody (np. tworzenie wektorowych pól przepływu powietrza, a także analiza zagęszczenia i kierunkowości rozmyć kinematycznych kropel deszczu);
b) analiza i dobór topologii sieci neuronowych (AI / Deep Learning) z obszaru komputerowego widzenia, dedykowanych do translacji obrazu na zmienne REP, ze szczególnym uwzględnieniem architektur: np. DSC/GRU [regresyjna sieć CNN, irCNN, NIR-VRG, a także innych (RNN/LSTM, ViS, etc.),
c) realizacja iteracyjnych cykli treningowych i strojenia modeli rozpoznających (OBS) z użyciem bazy referencyjnej, ze szczególnym naciskiem na skuteczne rozwiązywanie zadań kategoryzacji (zmienne dyskretne) oraz estymacji wartości (regresja);
d) weryfikacja skuteczności wytrenowanych algorytmów na niezależnych pakietach danych testowych oraz konfrontacja maszynowych predykcji z adnotacjami eksperckimi.
Forma: zestaw gotowych algorytmów.
3. Opracowanie modelu sterującego algorytmami renderującymi zjawiska pogodowe (SYM) z wykorzystaniem optymalizacji numerycznej.
a) Projektowanie i jednostkowej walidacji architektur uczenia maszyn. zdolnych do translacji REP do VIS, sterujących renderingiem. Zostanie użyte Unreal Engine (z systemem cząsteczkowym Niagara) i PyTorch/TensorFlow.
b) Zastosowaniu ekspansywnych architektur głębokiego uczenia (np. typu Decoder lub warunkowych modeli generatywnych cGAN adaptowanych do ciągłej parametryzacji).
c) Zdefiniowaniu metryki oceny podobieństwa strukturalnego obrazów alternatywnych do SSIM (Structural Similarity Index Measure) w roli funkcji celu.
d) Oprac. wstępnego modelu SYM, poprzez wybór najlepszej sieci DL/cGAN pod względem dokł. odwzorowania renderowanych scen AV.
Forma: zestaw gotowych algorytmów.
Czas realizacji: 01-01-2028 – 31-12-2028:
4. Numeryczne modelowanie modułu SYM mapującego parametry REP na parametry sterujące algorytmami renderującymi
a) identyfikacja parametrów modelu SYM z wykorzystaniem pełnej bazy referencyjnych scen AV, w celu osiągnięcia dokładności replikacji wyższej niż w przypadku modelu wstępnego, trenowanego z wykorzystaniem zredukowanej bazy scen referencyjnych;
b) synchronizacji symulacji kilku zjawisk atmosferycznych jednocześnie (wzajemnych interakcji, takich jak wpływ wiatru na kierunek deszczu/śniegu, wpływ deszczu/mgły na oświetlenie sceny, itp.).
Forma: zestaw gotowych algorytmów
Czas realizacji: 01-01-2029 – 31-12-2029:
5. Walidacja i doskonalenie modeli SYM.
Prace ukierunkowane na doskonalenie metody renderowania obrazu zjawisk atmosferycznych w środowisku wirtualnym w czasie rzeczywistym. Na podstawie weryfikacji całego systemu doskonalenie modelu SYM, tj. logika modeli numerycznych sterujących silnikami gier (np. Unreal Engine / Niagara).
Forma: zestaw gotowych algorytmów.
Szczegółowy opis przedmiotu zamówienia, jak również pozostałe warunki postępowania, zostały przedstawione w załączniku pn. "Zapytanie ofertowe 1_2026 TVN", który stanowi integralną część niniejszego zapytania ofertowego.
Miejsce realizacji
Cała polska
ZAKRES ZADAŃ DLA WYKONAWCY
Czas realizacji: 01-01-2027 – 31-12-2027:
1. Analiza mapowania parametrów (REP) sterujących systemem do parametrów sterujących algorytmami renderującymi.
a) analiza odwzorowania rzeczywistych parametrów meteo, operujących w domenie ostrej (liczby rzeczywiste), na parametry lingwistyczne, operujące w domenie rozmytej (bardziej intuicyjne dla operatora, np. intensywność opadów [mm/h] -> kategorie opadów: lekkie, umiarkowane, itd.) i wybór zbioru reprezentatywnych parametrów REP dla każdego zjawiska atmosferycznego i typu oświetlenia, na podstawie danych Zamawiającego;
b) opracowanie obiektywnych matryc referencyjnych, tj. podzbioru wzorcowych scen AV, korespondujących z wybranymi (typowymi) wartościami parametrów REP
Forma: raport
2. Opracowania modeli identyfikujących parametry zjawisk pogodowych (OBS) z materiału video.
a) zaprojektowanie procedur pre-processingu materiałów AV (ujednolicenie formatów, redukcja drgań obiektywu, separacja pierwszego planu od tła) oraz wyodrębniania wizualnych atrybutów pogody (np. tworzenie wektorowych pól przepływu powietrza, a także analiza zagęszczenia i kierunkowości rozmyć kinematycznych kropel deszczu);
b) analiza i dobór topologii sieci neuronowych (AI / Deep Learning) z obszaru komputerowego widzenia, dedykowanych do translacji obrazu na zmienne REP, ze szczególnym uwzględnieniem architektur: np. DSC/GRU [regresyjna sieć CNN, irCNN, NIR-VRG, a także innych (RNN/LSTM, ViS, etc.),
c) realizacja iteracyjnych cykli treningowych i strojenia modeli rozpoznających (OBS) z użyciem bazy referencyjnej, ze szczególnym naciskiem na skuteczne rozwiązywanie zadań kategoryzacji (zmienne dyskretne) oraz estymacji wartości (regresja);
d) weryfikacja skuteczności wytrenowanych algorytmów na niezależnych pakietach danych testowych oraz konfrontacja maszynowych predykcji z adnotacjami eksperckimi.
Forma: zestaw gotowych algorytmów.
3. Opracowanie modelu sterującego algorytmami renderującymi zjawiska pogodowe (SYM) z wykorzystaniem optymalizacji numerycznej.
a) Projektowanie i jednostkowej walidacji architektur uczenia maszyn. zdolnych do translacji REP do VIS, sterujących renderingiem. Zostanie użyte Unreal Engine (z systemem cząsteczkowym Niagara) i PyTorch/TensorFlow.
b) Zastosowaniu ekspansywnych architektur głębokiego uczenia (np. typu Decoder lub warunkowych modeli generatywnych cGAN adaptowanych do ciągłej parametryzacji).
c) Zdefiniowaniu metryki oceny podobieństwa strukturalnego obrazów alternatywnych do SSIM (Structural Similarity Index Measure) w roli funkcji celu.
d) Oprac. wstępnego modelu SYM, poprzez wybór najlepszej sieci DL/cGAN pod względem dokł. odwzorowania renderowanych scen AV.
Forma: zestaw gotowych algorytmów.
Czas realizacji: 01-01-2028 – 31-12-2028:
4. Numeryczne modelowanie modułu SYM mapującego parametry REP na parametry sterujące algorytmami renderującymi
a) identyfikacja parametrów modelu SYM z wykorzystaniem pełnej bazy referencyjnych scen AV, w celu osiągnięcia dokładności replikacji wyższej niż w przypadku modelu wstępnego, trenowanego z wykorzystaniem zredukowanej bazy scen referencyjnych;
b) synchronizacji symulacji kilku zjawisk atmosferycznych jednocześnie (wzajemnych interakcji, takich jak wpływ wiatru na kierunek deszczu/śniegu, wpływ deszczu/mgły na oświetlenie sceny, itp.).
Forma: zestaw gotowych algorytmów
Czas realizacji: 01-01-2029 – 31-12-2029:
5. Walidacja i doskonalenie modeli SYM.
Prace ukierunkowane na doskonalenie metody renderowania obrazu zjawisk atmosferycznych w środowisku wirtualnym w czasie rzeczywistym. Na podstawie weryfikacji całego systemu doskonalenie modelu SYM, tj. logika modeli numerycznych sterujących silnikami gier (np. Unreal Engine / Niagara).
Forma: zestaw gotowych algorytmów.
Szczegółowy opis przedmiotu zamówienia, jak również pozostałe warunki postępowania, zostały przedstawione w załączniku pn. "Zapytanie ofertowe 1_2026 TVN", który stanowi integralną część niniejszego zapytania ofertowego.
Miejsce realizacji
Cała polska
Time limit for receipt of tenders
Wed May 20 21:59:59 GMT 2026
Location
Kraj: Polska
Category assortment
Measurements, tests and technical acceptance
Market research and development
Market research and development
Buyer details
TVN S.A.
Wiertnicza 166
02-952 Warszawa
Województwo: mazowieckie
Kraj: Polska
NIP: 9510057883
Wiertnicza 166
02-952 Warszawa
Województwo: mazowieckie
Kraj: Polska
NIP: 9510057883
