4月16日,暴風(fēng)魔鏡CEO黃曉杰在2016中國VR/AR產(chǎn)業(yè)峰會上發(fā)表演講時表示暴風(fēng)魔鏡與華為在VR內(nèi)容和軟件方面形成合作伙伴關(guān)系。
前一日,華為在上海的P9手機(jī)新品發(fā)布會上,剛剛推出了其首款VR眼鏡——華為VR。“暴風(fēng)魔鏡與華為的合作采用手機(jī)軟件+資源內(nèi)容的深度定制方式。暴風(fēng)魔鏡為華為VR提供了手機(jī)APP和海量內(nèi)容等,這個合作案例很好的結(jié)合了華為的手機(jī)經(jīng)驗和暴風(fēng)魔鏡在VR方面的內(nèi)容和技術(shù)積累。”黃曉杰補(bǔ)充道。
華為VR——全球首款360度視覺/聲場同步移動VR,其背后的VR播放技術(shù)來自暴風(fēng)魔鏡。暴風(fēng)魔鏡為華為VR提供的VR播放器,支持硬解、軟解、硬解+三種播放方式。硬解+音頻后處理技術(shù),支持1080P音源隨動,讓VR場景中的視聽效果更震撼。
內(nèi)容方面,華為VR用戶可享受由暴風(fēng)魔鏡提供的超過4000部免費電影、350個全景圖片、150個全景漫游、40個免費游戲,且內(nèi)容還在不斷更新。
手機(jī)業(yè)巨頭和VR行業(yè)老大的首次合作,就帶來了國內(nèi)移動VR體驗最好的產(chǎn)品、全球首款360度視覺/聲場同步移動VR。這不禁讓人感嘆,手機(jī)廠商加上暴風(fēng)魔鏡,竟能讓移動VR產(chǎn)品的體驗得到如此大幅的提升。
4月16日,”小米VR”這個ID在新浪微博出現(xiàn),這表明小米在VR領(lǐng)域的動作將在不久后正式公布。小米的入局必然會讓VR市場的競爭更加激烈。
手機(jī)廠商紛紛入局VR,一方面佐證了VR行業(yè)的熱度;另一方面,也有其必然性。業(yè)內(nèi)專家表示,手機(jī)廠商做VR是必然,因為他們有著天然優(yōu)勢,可以進(jìn)行手機(jī)底層的優(yōu)化。然而大部分手機(jī)廠商缺乏VR技術(shù)和內(nèi)容積累,目前在VR技術(shù)和內(nèi)容上還是會依賴VR廠商。
截止到目前,暴風(fēng)魔鏡已經(jīng)公布的手機(jī)合作伙伴,包括360奇酷手機(jī)、華為。其提供的合作形式分別為VR硬件+手機(jī)軟件+VR內(nèi)容、手機(jī)軟件+VR內(nèi)容深度定制模式。
這樣看來,作為VR行業(yè)的先行者暴風(fēng)魔鏡已經(jīng)為手機(jī)廠商快速、便捷的入局VR行業(yè)準(zhǔn)備好了從硬件、軟件、SDK到內(nèi)容的完整解決方案,可以讓更多的品牌用戶享受到專屬的移動VR體驗。通過廣泛的異業(yè)合作,將快速推動VR行業(yè)的進(jìn)一步發(fā)展。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)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(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)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(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)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(jī)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(xué)習(xí)和數(shù)學(xué)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(jī)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(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強(qiáng)化學(xué)習(xí)訓(xùn)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(zhǔn)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(qiáng)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(jī)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(xùn)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(xùn)練效率,已在多個任務(wù)上驗證有效性。