在繼今年初??低暟l(fā)布的兩款智能設(shè)備后,昨日又一連發(fā)布四款螢石設(shè)備:螢石C6互聯(lián)網(wǎng)云臺攝像機、螢石C2C互聯(lián)網(wǎng)攝像機、螢石W1智能生活路由器、螢石X2商用Wi-Fi硬盤錄像機,基于“硬件+軟件+內(nèi)容+服務(wù)”螢石云生態(tài),進一步推進“螢石云+”的互聯(lián)網(wǎng)戰(zhàn)略。
據(jù)悉,螢石云+ 是??低暬诨ヂ?lián)網(wǎng)+思維下激發(fā)出的互聯(lián)網(wǎng)總體戰(zhàn)略。發(fā)布會上,海康威視副總裁、螢石CEO蔣海青介紹,螢石云+戰(zhàn)略的核心目的就是實現(xiàn)家庭、社區(qū)以及所有生活環(huán)境的可視化和智能化。
“螢石云+=螢石云+開放平臺+行業(yè),我們要致力做互聯(lián)網(wǎng)+時代的視頻內(nèi)容服務(wù)商,借助螢石云所匯集的以視頻和傳感信息為核心的海量數(shù)據(jù),通過開放的應(yīng)用服務(wù)平臺,服務(wù)于普通消費者和專業(yè)用戶”,蔣海青補充道。
回歸到硬件,??低曃炇舜喂舶l(fā)布的四款新品都是其螢石云+互聯(lián)網(wǎng)戰(zhàn)略的重要延伸。
螢石C6互聯(lián)網(wǎng)云臺攝像機:擁有自主專利的智能布撤防技術(shù)和聲源跟蹤捕捉技術(shù),采用1/3" 3.75umPixel 微光級逐行掃描130萬CMOS,能夠?qū)崿F(xiàn)捕捉運動圖像無鋸齒,最大30幀/秒高清畫質(zhì)拍攝,確保24小時穩(wěn)定工作。
螢石C2C互聯(lián)網(wǎng)攝像機:具備全雙工語音對講功能,采用回音抑制技術(shù),可實時通話;具有111度大視角,可全方位探測;搭載環(huán)繞式紅外燈,還可實現(xiàn)24小時日夜監(jiān)控,時時捕捉精彩瞬間;螢石C2C可以搭配云存儲、后端NVR、本地Micro SD卡等三種存儲方式。
螢石W1智能生活路由器:在信號,安全和智能應(yīng)用方面有了重點的設(shè)計和突破,用戶無需任何技術(shù)準備,能夠在1分鐘內(nèi)配置成功。配合螢石云和APP,輕松實現(xiàn)網(wǎng)絡(luò)帶寬分配的智能管理以及多種智能功能和安全策略,諸如離線下載,私有云,防蹭網(wǎng),防破解,防黑客等功能。
螢石X2商用Wi-Fi硬盤錄像機:目前全球首款將商用Wi-Fi和網(wǎng)絡(luò)硬盤錄像機跨界融合的產(chǎn)品。為商家提供安全的Wi-FiI網(wǎng)絡(luò)和7*24小時的視頻監(jiān)控服務(wù),同時還能幫助商家開展Wi-Fi營銷、廣告精準推送、微信漲粉等業(yè)務(wù),為商家吸引更多客流。通過手機遠程巡店及精準客流分析等功能,有效提升商鋪的運營績效。
此外,作為螢石云+的互聯(lián)網(wǎng)戰(zhàn)略的一部分,螢石運動同時開啟了“首席體驗官”招募活動,旨在加強其螢石運動APP平臺所打造出的“多元化運動愛好者社區(qū)粘性”。
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務(wù)上驗證有效性。