بینایی رایانه ای در iOS: بهترین حالت چهره را در عکس های زنده تعیین کنید

پیاده سازی iOS درخواست جدید کیفیت تصویربرداری چارچوب ویژن

عکس توسط نیکولا پرانتونی در Unsplash

اپل در WWDC 2019 پیشرفتهای جدید و هیجان انگیزی را در چارچوب Vision خود به ارمغان آورد. آنها فقط ردیابی چهره و طبقه بندی تصویر را بهبود بخشیده اند ، اما ویژگی های جالب جدیدی مانند Saliency ، مدلهای طبقه بندی حیوانات داخلی و API های پیشرفته برای کار با مدلهای طبقه بندی Core ML را معرفی کرده اند. در میان نسخه های جدیدتر ، قابلیت مقایسه کیفیت عکس گرفتن در مجموعه ای از تصاویر یکی از امیدوارکننده ترین ویژگی هایی است که امسال منتشر شده است. تقویت این نشان می دهد که چقدر اپل در زمینه بینایی کامپیوتر سرمایه گذاری کرده است تا عکاسی و پردازش عکس ها را هوشمندتر و راحت تر از گذشته انجام دهد. تصاویر (نوردهی های مختلف ، نور ، حالات چهره و غیره). درخواست Vision تصویر را در یک عکس تجزیه و تحلیل کرده و به آن نمره متریک می دهد. نمره به حالات چهره بستگی دارد (منفی ها نمره کمتری می گیرند) ، نور ، فوکوس و تار شدن تصویر.

با استفاده از این نمرات متریک ، می توانیم تصاویر مختلف را برای پیدا کردن تصویری که در آن است پیدا کنیم. بهترین به نظر می رسد این چیزی است که به زودی در بسیاری از برنامه های سفارشی مبتنی بر سلفی وارد می شود.

کیفیت تصویربرداری از چهره نه تنها به ساخت برنامه های هوشمندتر مبتنی بر دوربین کمک می کند ، همانطور که در اسناد نشان داده شده است ، بلکه به آوردن دستگاه نیز کمک می کند یادگیری هوش پردازش ویدئو هدف از این مقاله این است که با استفاده از کیفیت تصویربرداری از چهره در برنامه های iOS خود ، عکس های زنده (بیشتر در این مورد بعداً) هوشمندتر شود.

عکس های زنده در iOS با iPhone 6s معرفی شد و یکی از آنهاست. حالت های دوست داشتنی دوربین با ارائه جلوه متحرک زنده ، نحوه نگاه ما به تصاویر ثابت را دوباره تعریف کرد.

محدوده

ایده این است که بهترین قاب را از یک عکس زنده که چهره انسان دارد پیدا کنیم. ما از کلاس جدید VNDetectFaceCaptureQualityRequest استفاده می کنیم تا درخواست های Vision خود را روی تعدادی از عکس های زنده که عمداً در حالت بد/تار گرفته شده اند اجرا کنیم تا بهترین فریم را از آن استخراج کنیم.

با این حال ، همچنین می توانید همان کد و مفهوم را به فیلم ها نیز بسط دهید. عکسهای زنده اساساً حاوی ویدئوها هستند ، همانطور که در ادامه خواهیم دید.

عکسهای زنده: زیر پوشش

عکس های زنده از یک تصویر و یک نوار ویدئویی حاوی اقدامات انجام شده در هنگام ضبط تصویر تشکیل شده است. این باعث می شود هنگام مشاهده آنها در لحظه حضور داشته باشید.

در زیر جلد ، عکس های زنده شامل یک عکس کلیدی است که با فایل دارایی منبع ویدیو مرتبط شده است. ما می توانیم با انتخاب هر یک از فریم های ویدئویی از حالت ویرایش پیش نمایش در برنامه Photos ، عکس اصلی را تغییر دهیم.

برای دسترسی به عکس اصلی یا فیلم موجود در کد خود ، باید از کلاس PHAssetResourceManager استفاده کنید که منابع دارایی را در اختیار دارد. ما از این مورد در برنامه خود استفاده خواهیم کردپیاده سازی در چند بخش بعدی.

آیا می دانید: یادگیری ماشین می تواند به افزودن جلوه های تصویری شگفت انگیز به برنامه های تلفن همراه کمک کند. از حذف زمینه ها ، افزودن سبک های هنری و موارد دیگر ، Fritz AI ساخت ابزارهای ویرایش عکس با استفاده از ML را آسان می کند. ، بیایید طرح کلی را ارائه دهیم. ما در مراحل مختلف برنامه خود از کلاس ها و اجزای زیر استفاده خواهیم کرد: یک ImagePickerController برای انتخاب عکس های زنده از دوربین یا کتابخانه عکس. منابع را ذخیره کرده و آن را در فهرست موقت FileManager ذخیره کنید. استفاده از CollectionView برای نمایش فریم های ویدئویی به همراه ارزش معیار کیفیت چهره از درخواست Vision. در نهایت ، قاب با بالاترین کیفیت عکسبرداری از چهره در یک UIImageView.

تصویر زیر نمای کلی سطح بالایی از نحوه پیاده سازی را نشان می دهد-از گرفتن عکس زنده گرفته تا استخراج ویدئو تا درخواست کیفیت تصویربرداری از چشم انداز: < /p> اتصال نقاط

اکنون که تعیین کردیم برنامه های عملی ما ، بیایید پیاده سازی را با راه اندازی رابط کاربری شروع کنیم.

راه اندازی رابط کاربری

کد زیر به عنوان دکمه ها و ImageViews موجود در فایل ViewController.swift ما:

اگر کد بالا بزرگ به نظر می رسد ، به این دلیل است که به جای استفاده از استوری بورد ، UI را به صورت برنامه نویسی ساخته ام.

تنظیمات Up Image Image Picker

یکی از دکمه های ذکر شده مسئول راه اندازی انتخابگر تصویر است ، در حالی که دکمه دیگر درخواست Vision را تکمیل می کند ، که بعداً آن را خواهیم دید.

objc func onButtonClick (فرستنده: UIButton) {

 اجازه دهید imagePicker = UIImagePickerController () 

 imagePicker.sourceType = .photoLibrary 

 imagePicker.mediaTypes = [kUTTypeImage، kUTTypeLivePhoto] رشته] 

 imagePicker.delegate = خود 

 در حال حاضر (imagePicker ، متحرک: درست ، تکمیل: صفر) 

} 

در کد بالا ، ما ImagePickerController را برای دسترسی به عکس های زنده از کتابخانه Photos تنظیم کرده ایم. برای اینکه ImagePicker به درستی کار کند ، اطمینان حاصل کنید که شرح استفاده از حریم خصوصی برای "استفاده از عکس" را در فایل info.plist خود اضافه کرده اید.

استخراج و پردازش ویدئو از عکس زنده

عکس های زنده از نوع PHLivePhoto هستند. از کد زیر برای مدیریت عکس زنده انتخاب شده از انتخاب کننده تصویر استفاده می شود:

در کد بالا ، ما نتایج انتخاب کننده تصویر را فیلتر می کنیم تا با بررسی اینکه آیا نتایج برگشت داده شده است ، عکس های زنده عکس را برگردانیم. حاوی یک نمونه aPHLivePhoto در فرهنگ لغت اطلاعات. ویدئو.

PHAssetResourceManager.default (). writeData مسئول نوشتن بافرهای ویدئویی در URL است. هنگامی که منبع در videoUrl نوشته می شود ، تابع imagesFromVideos به لطف ناظران ویژگی فعال می شود:

 var videoUrl: URL؟ {
        didSet {
            DispatchQueue.global (qos:. background) .async {
                نگهبان اجازه می دهد videoURL = self.videoUrl else {return}
                self.imagesFromVideo (url: videoURL)
            }
        }
} 

استخراج فریم از ویدیو

کد زیر تعداد مشخصی فریم (بر اساس مدت زمان ویدیو) استخراج کرده و قرار می دهدآنها را در یک آرایه: فاصله زمانی بین هر فریمی که استخراج شده است. در حال حاضر ، numberOfFrames روی 12 تنظیم شده است تا تعداد درخواست های Vision را که انجام می دهیم محدود کند. به نظر می رسد این برای عکس های زنده ، که بیش از 3 ثانیه نیستند ، خوب باشد ، اگرچه در صورت پردازش ویدیو می توانید با این شماره بازی کنید.

چند ویژگی وجود دارد که ما در ابتدای آن تعریف کرده ایم قطعه کد بالا setCustomData برای پر کردن CollectionView ما استفاده می شود. برای این کار ، ابتدا باید CollectionView خود را راه اندازی کنیم.

قبل از شروع به ساخت CollectionView ، در اینجا نیم نگاهی به برنامه در نیمه راه داریم:

خواب آلودگی من را نادیده بگیرید. رفتن به CollectionView.

البته نمای مجموعه افقی که در ضبط صفحه بالا دیده می شود هنوز اجرا نمی شود.

از بررسی موارد استفاده معمول تا چالش های فنی تبدیل مدل و همه چیز در بین دیگر - خبرنامه هوش مصنوعی Fritz همه آنچه را که باید در مورد یادگیری ماشین همراه بدانید را پوشش می دهد.

راه اندازی CollectionView

هنگام تنظیم دیگر رابط کاربری ، از عملکرد setupCollectionView صرف نظر کرده بودیم. اجزاء در ابتدا زمان پیاده سازی آن فرا رسیده است. سلول ، منبع داده و روشهای تفویض

کد زیر سلول نمای مجموعه را با افزودن UIImageView و برچسب به آن تنظیم می کند.

کلاس CustomData داده های هر سلول را نگه می دارد به این منبع داده برای CollectionView ما است. کد زیر آن را تعریف می کند:

در مرحله بعد ، ما باید روشهای نمایندگی CollectionView خود را تعریف کنیم:

اکنون زمان رسیدگی به درخواست Vision فرا رسیده است.

تنظیم درخواست چشم انداز < /h1>

کنترل کننده ویژن ما هر یک از تصاویر را از CollectionView گرفته و VNDetectFaceCaptureQualityRequest را برای دریافت معیار نمره faceCaptureQuality روی آنها اجرا می کند. ما به سادگی تصویر را با بالاترین کیفیت عکسبرداری از چهره در UIImageView نمایش می دهیم.

وقتی دکمه (یکی با نماد چشم) برای فعال کردن روش انتخاب کننده فشار داده می شود ، کد زیر درخواست Vision را اجرا می کند:

من درخواست Vision بالا را روی چند عکس سلفی زنده (عمداً تار ، با ژست ها و عبارات عجیب و غریب) برای تعیین بهترین قاب اجرا کردم. نتایج اینجاست: چگونه Vision به طور خودکار بهترین چهره گرفته شده از مجموعه تصاویر معین (یعنی فریم های ویدئویی) را تعیین می کند. درخواست تصویری با کیفیت تصویربرداری بسیار سریع و دقیق برای ویدیوهای کوتاه مدت ، مانند عکس های زنده.

نتیجه گیری

بنابراین ما تغییرات جدید ارائه شده در فناوری چهره چهره ویژن با iOS 13 و macOS 15 (به طور خاص کیفیت عکسبرداری از چهره) و ایجاد یک برنامه کامل iOS از ابتدا که از این ویژگی جدید در Live Photo استفاده می کند. کد منبع کامل در این مخزن GitHub موجود است.

کیفیت عکسبرداری از ویژگی های هیجان انگیز با موارد مختلف استفاده است - از ویرایش عکس گرفته تا تشخیص ناهنجاری (دریابید که آیا عکس ویدئویی/زنده دارایصورت انسان است یا نه).

فقط زمان نشان می دهد که آیا اپل تصمیم دارد این ویژگی را در ویژگی Live Photo داخلی خود برای ویرایش هوشمند معرفی کند یا خیر. تا آن زمان ، می توانید با برنامه فوق بداهه نوازی کنید ، شاید با ذخیره بهترین قاب به عنوان قاب اصلی (که در کتابخانه Photos نمایش داده می شود) عکس زنده.

این قسمت را کامل می کند. امیدوارم از خواندن لذت برده باشید.

توجه ویراستار: ضربان قلب یک نشریه آنلاین آنلاین و مشارکت کننده است که به کاوش در تقاطع نوظهور توسعه برنامه تلفن همراه و یادگیری ماشین اختصاص داده شده است. ما متعهد هستیم که از توسعه دهندگان و مهندسان از هر قشری حمایت و الهام می گیریم.

مستقل از نظر ویرایش ، Heartbeat توسط Fritz AI ، پلت فرم یادگیری ماشینی که به توسعه دهندگان کمک می کند تا دستگاه ها را ببینند ، بشنوند ، حمایت و منتشر می شود. حس کنید و فکر کنید ما به مشارکت کنندگان خود پرداخت می کنیم و تبلیغات نمی فروشیم.

اگر می خواهید مشارکت داشته باشید ، به تماس ما برای مشارکت کنندگان سر بزنید. همچنین می توانید برای دریافت خبرنامه های هفتگی ما (هفته نامه یادگیری عمیق و خبرنامه هوش مصنوعی Fritz) ثبت نام کنید ، در Slack به ما بپیوندید و Fritz AI را در توییتر دنبال کنید تا آخرین یادگیری ماشین تلفن همراه را مشاهده کنید.

استفاده برنامه درخواست

جایی که حریم خصوصی شما بیشتر به خطر می افتد - تلفن و رایانه شما

یک تلفن و رایانه دو دستگاهی هستند که امروزه بیشتر مورد استفاده قرار می گیرند. ما از آنها به طور منظم هر روز استفاده می کنیم و اکثر ما حتی چندین ساعت پشت سر هم یا حتی یک روز کامل با آنها کار می کنیم.

پیشرفت های اخیر در پردازش قدرت و فناوری های ذخیره سازی باعث شده است که چیزهای زیادی به همراه داشته باشیم به رایانه ها و تلفن های هوشمند نامه ، پیام ، چت ، کیف پول ، نرم افزارهای بانکی ، حتی امکان ذخیره هزاران عکس و فیلم. این دستگاه ها تقریباً تمام زندگی ما را به صورت دیجیتالی حمل می کنند. بنابراین سطح حمله این دستگاه ها و علاقه هکرها برای به دست آوردن کنترل بر آنها نیز افزایش یافته است.

ما در مقالات Intermediate خود به جزئیات بیشتری می پردازیم ، اما شما باید اصول اولیه را بدانید. اولین نکته این است که انسانها سرعت را دوست دارند. همه ما حریم خصوصی را ، بیشتر آن ، فدای سرعت می کنیم. ما در هنگام بازکردن قفل دستگاه ها ، از آنها برای حفاظت از گذرواژه/پین استفاده نمی کنیم و به برنامه ها اجازه می دهیم تا از اطلاعات موقعیت مکانی ما به طور نامحدود استفاده کنند تا در آینده کمی وقت ما را ذخیره کنند تا برنامه دیگر در مورد آن س askال نکند. < /p>

بسیاری از برنامه ها تمایل به سوء استفاده از مجوزها با درخواست بیش از مقدار مورد نیاز خود دارند. به عنوان مثال ، یک برنامه مشعل واقعاً نیازی به دسترسی به عکس ها یا مکان شما ندارد ، درست است؟ در مورد مکان ، برنامه ها تمایل دارند از دسترسی به مکان شما نه تنها هنگام استفاده از آن در پس زمینه ، حتی وقتی دستگاه بیکار است ، درخواست کنند. محتوا از طریق اینترنت اکثر مرورگرها داده ها را بدون رضایت ما ارسال می کنند و به وب سایت ها اجازه می دهد فایل های کوکی را با اطلاعات شناسایی منحصر به فرد ذخیره کنند. چند بار پس از جستجوی یک محصول و پیدا کردن تبلیغات برای آن محصول در سراسر شبکه های اجتماعی و تبلیغات متنی در همه جا ، دژاوو را تجربه کرده اید؟

برنامه های ترک خورده و فروشگاه های برنامه های غیر رسمی نیز خطرناک هستند. هیچ کس اعتبار و صداقت را در آنجا بررسی نمی کند و مهاجمان اغلب از این امکان به شدت استفاده می کنند. پایبندی به فروشگاه های برنامه رسمی ضروری است.

و شبکه های عمومی؟ ما Wi-Fi رایگان را دوست داریم اما هزینه دارد-شبکه Wi-Fi باز به این معنی است که داده های منتقل شده رمزگذاری نمی شوند و مهاجمان ممکن است بتوانند اطلاعات حساس مهم مانند گذرواژه یا عکس را استراق سمع کرده و ربوده شوند.

آیا لپ تاپ هایی با روکش وب کم دیده اید؟ یک دلیل واقعی وجود دارد که افراد با حریم خصوصی از آنها استفاده می کنند.

بنابراین کمی ترسناک به نظر می رسد؟ بله ، و ما فقط نوک کوه یخی را در اینجا لمس کردیم.

با اقدامات لازم برای محافظت از حریم خصوصی دیجیتالی خود در آکادمی Horizen

که در ابتدا در https: //Academy منتشر شده است ، آشنا شوید. horizen.global.

بازیافت کربن: تبدیل CO2 به سوخت آب و هوایی خنثی

تخمین زده می شود که بیش از یک میلیارد وسیله نقلیه موتوری در سراسر جهان در جاده های ما وجود دارد. با توجه به اینکه اکثریت قریب به اتفاق این وسایل نقلیه هنوز از موتورهای بنزینی یا دیزلی استفاده می کنند ، نه تنها تسریع در حرکت به حرکت الکتریکی بلکه مدیریت و کاهش انتشار گازهای گلخانه ای موجود بسیار مهم است. Efuels می تواند نقش مهمی در کاهش انتشار گازهای گلخانه ای داشته باشد تا گرمایش زمین را تا دو درجه سانتیگراد بالاتر از سطوح قبل از صنعتی نگه دارد. بنابراین ، سوخت های الکترونیکی یک عنصر مهم در تلاش های پورشه برای پیشگیری از کربن زدایی هستند.

سوختهای e سوخت های مصنوعی تولید شده از آب و دی اکسید کربن

سوخت های الکترونیکی چیست و چرا پورشه از آنها استفاده می کند؟

eFuels سوختهای مصنوعی (یعنی هیدروکربنهای پیچیده) از آب (یا دقیقتر ، هیدروژن) و دی اکسید کربن (CO2). آنها جایگزین امیدوار کننده ای برای آب و هوا برای سوخت های فسیلی معمولی مانند بنزین و گازوئیل مشتق شده از نفت هستند. در حالی که انرژی مورد نیاز برای تولید آنها از انرژی های تجدیدپذیر مانند باد و خورشید تامین می شود ، تولید سوخت الکترونیکی خود شامل جذب مستقیم CO2 در هوا می شود. به جای حفاری نفت و انتقال مقادیر زیادی کربن از زمین به اتمسفر ، گاز گلخانه ای از هوا خارج شده و در نهایت به یک حامل انرژی مایع بازیافت می شود.

علاوه بر این ، سوخت های الکترونیکی با داخلی سازگار هستند. موتورهای احتراق (ICE) و امروزه می توانند در وسایل نقلیه در جاده ها ، به عنوان افزودنی بنزین و دیزل یا به عنوان جایگزین کامل مورد استفاده قرار گیرند. در واقع ، اتومبیل های گازسوز که از سوختهای الکترونیکی خالص استفاده می کنند ، می توانند به طور بالقوه به شیوه ای تقریباً خنثی از نظر آب و هوایی تغذیه شوند ، زیرا تنها به میزان CO2 که قبلاً در فرایند تولید از جو جذب شده است ، ساطع می کنند-یک چرخه بسته بدون افزایش خالص. در سطوح دی اکسید کربن مزیت دیگر سوخت های الکترونیکی این است که می توان آنها را به راحتی ذخیره ، حمل و توزیع در زیرساخت های موجود کرد.

سوختهای مصنوعی جایگزینی مناسب برای سوختهای فسیلی با آب و هوا هستند >

تولید سوختهای الکترونیکی خنثی از نظر آب و هوا در مقیاس صنعتی

در حالی که فناوری زیر بنای سوختهای مصنوعی به خوبی شناخته شده است ، کربن سوختهای الکترونیکی خنثی هنوز در مقیاس وسیع تولید نشده است. سوخت های الکترونیکی برای مقرون به صرفه بودن و رقابت با بنزین معمولی باید با هزینه کم تولید شوند. پورشه در حال حاضر تحقیقات گسترده ای در زمینه تولید صنعتی و استفاده از سوخت های eFuels انجام می دهد و اخیراً یک پروژه آزمایشی با شرکت زیمنس انرژی و دیگر شرکای خود در شیلی راه اندازی کرده است: پروژه "Haru Oni" اولین کارخانه تجاری و یکپارچه در جهان برای تولید کربن است. سوخت های الکترونیکی خنثی در مقیاس صنعتی ظرفیت تولید سالانه آن از حدود 130،000 لیتر در سال 2022 به 550 میلیون لیتر در 2026 افزایش می یابد - معادل سوخت کافی برای تامین انرژی یک میلیون خودرو در یک سال.

سوخت ناشی از باد ، هیدروژن و CO₂

توجه به این نکته ضروری است که سوخت های مصنوعی ذاتاً سبز نیستند. رد پای کربن آنها بستگی زیادی به روند تولید و منبع برق آنها دارد. با توجه به این نکته ، تولید سوخت های مصنوعی در مناطق غنی از باد و خورشید که پتانسیل انرژی تجدیدپذیر زیاد است منطقی به نظر می رسد. به عنوان مثال ، پروژه "هارو اونی" از شرایط عالی باد در این منطقه استفاده می کندشیلی ، با استفاده از برق بدون کربن از باد.

سوخت الکترونیکی چگونه ساخته می شود؟ فرایند تولید آن با الکترولیز شروع می شود ، جایی که H2O به هیدروژن و اکسیژن تقسیم می شود. با عبور جریان الکتریکی مستقیم از آب در یک سلول الکتریکی ، هیدروژن جدا شده و در قطب منفی (کاتد) می گیرد. بازده انرژی این فرایند حدود 70 درصد است.

علاوه بر این ، با استفاده از فرآیندی که به عنوان جذب مستقیم هوا شناخته می شود ، دی اکسید کربن مستقیماً از هوا استخراج می شود. طرفداران بزرگ هوای محیط را از طریق فیلترهایی که به طور شیمیایی با CO2 متصل می شوند ، دمیده اند. در مرحله بعد ، هیدروژن و CO2 جذب شده برای تولید به اصطلاح eMethanol ترکیب می شوند که برای اهداف مختلف به عنوان "جایگزین سبز" متانول مبتنی بر فسیل استفاده می شود. با این حال ، برای اهداف ما ، بیشتر به آنچه ما "سوخت الکترونیکی" می نامیم پردازش می شود. از طریق پالایش بیشتر ، سوخت ما به درجه اکتان قابل مقایسه با بنزین درجه یک می رسد ، البته هنوز برای موتورهای بنزینی معمولی قابل استفاده است. ما از سوخت های eFuels در ناوگان اتومبیلرانی خود ، در مراکز تجربه پورشه و در مراحل بعدی ، در خودروهای اسپرت تولید سری استفاده خواهیم کرد.

سوختها می توانند موبایل الکترونیکی را تکمیل کنند (Taycan Turbo S: مصرف برق ترکیبی: 28.5 کیلووات ساعت/100 کیلومتر ؛ انتشار CO2 0 گرم/کیلومتر)

پایداری در پورشه

در پورشه ، ما کاملاً به پایداری و توافقنامه پاریس متعهد هستیم. به این ترتیب ، یک اولویت اصلی برای ما پیشبرد حرکت الکتریکی است. به عنوان مکمل این تلاش ، ما تولید گسترده بنزین تمیز و بدون آب و هوا را پیش می بریم: سوخت های الکترونیکی به ما کمک می کند تا رد پای کربن موتورهای احتراق و خودروهای هیبریدی پلاگین را به طور مداوم کاهش دهیم. آنها امکان امیدوار کننده ای را برای دور شدن کامل از سوخت های فسیلی و در عین حال نگه داشتن ناوگان های موجود ارائه می دهند. البته مزایای احتمالی حذف کربن و بازیافت کربن را نمی توان مبالغه کرد. بنابراین ، صنعتی شدن بیشتر این فناوری ها و مقرون به صرفه بودن آنها ضروری است.

درباره این نشریه: جایی که نوآوری با سنت مطابقت دارد. چیزهای بیشتری در مورد پورشه وجود دارد تا خودروهای اسپرت - ما در حال مقابله با چالش های جدید ، توسعه محصولات دیجیتالی و فکر دیجیتال با تمرکز بر مشتری هستیم. در وبلاگ Medium ما این داستانها را بیان می کنیم. این مربوط به #آینده ، فناوری های هوشمند و افرادی است که سفر دیجیتالی ما را هدایت می کنند. لطفاً ما را در توییتر (پورشه دیجیتال ، نکست ویژنز) ، اینستاگرام (پورشه دیجیتال ، نکست ویژنز ، اتاق خبر پورشه) و LinkedIn (پورشه AG ، پورشه دیجیتال) دنبال کنید.