一款名叫Pokemon Go的現(xiàn)實增強寵物養(yǎng)成對戰(zhàn)類RPG手游,不出意外地讓全世界上癮了。抓“小精靈”,成為比平板支撐更要來勢洶洶的集體“運動”項目,所到之處,眾生傾倒;千百萬宅男亦因此走出家門,克服了社交恐懼癥。
雖然Pokemon Go還未在中國內(nèi)地上市,但這并不妨礙我們認識到,VR(虛擬現(xiàn)實技術(shù))和AR(增強現(xiàn)實技術(shù))正離人們的生活越來越近,甚而觸手可及。敏銳的企業(yè)家們也早已意識到,如果現(xiàn)在還不開始著眼思考VR/AR時代的營銷與業(yè)務模式,企業(yè)被時代拋棄被消費者厭棄的時間已為時不遠矣。
VR/AR:舊時王謝燕飛入百姓家
據(jù)Diffusion Group的報告顯示,AR/VR的用戶將在9年之后的2025年達到2.75億之多。Adobe大中華高級董事總經(jīng)理黃耀輝表示,這個數(shù)據(jù)表示,AR/VR將很快就能“飛入尋常百姓家”。
在黃耀輝眼中這場即將到來的消費者體驗大革命中,商機無處不在。當然,這些商機屬于AR/VR設(shè)備制造商們,屬于AR/VR內(nèi)容制造者們,屬于那些身處各行各業(yè)并意欲在AR/VR潮流之下革新營銷和服務模式的創(chuàng)新者們。
Adobe Primetime則早已為AR/VR的內(nèi)容制造者以及傳統(tǒng)企業(yè)準備好了一個可從AR/VR視頻中切實捕捉到商機的現(xiàn)實通道。一種名叫Virtual Cinema (虛擬影院)的功能,不僅能幫助Primetime的客戶為觀眾提供跨屏幕的虛擬環(huán)境體驗體驗,更重要的是,還能讓企業(yè)從中獲利。
抓住VR/AR這個“小精靈”
如何獲利?Adobe的Primetime為客戶提供了通過廣告植入而實現(xiàn)的變現(xiàn)選擇。
其中之一即是通過Sponsored Playback (重播贊助)模式實現(xiàn)。當企業(yè)組織或者贊助直播活動時,觀眾不僅能隨時隨地透過Primetime跨屏幕播放平臺獲得身臨其境的視覺和感官體驗,贊助商的品牌標識或者其他口號、形象都會顯示在觀看直播的觀眾面前。此外,Adobe支持制作沉浸式360°或者180°視頻,這意味著觀眾在回播時還可以從其他角度觀看內(nèi)容——當然,廣告也是內(nèi)容之一。
而相對于傳統(tǒng)的電視或視頻廣告投入方式,Primetime不僅能幫助品牌方根據(jù)用戶行為特點精準投放VR廣告,也能幫助發(fā)行方更好地提供讓人引人入勝的VR內(nèi)容,同時根據(jù)觀眾對VR廣告的參與度而收取費用。
比如,當一位用戶正在搜索汽車信息時,Primetime會向用戶展示一款符合用戶搜索標準的汽車品牌的VR廣告,用戶甚至可以進一步獲得虛擬駕車體驗。而車企則根據(jù)觀眾參與廣告的程度向發(fā)行方付費,比如僅僅觀看了視頻廣告,還是進行了虛擬駕車體驗,企業(yè)需要支付給發(fā)行方的費用是不同的。
Adobe Primetime還在繼續(xù)探索VR/AR視頻更多的“變現(xiàn)”模式,并且已經(jīng)開始在自己的消費者活動上進行具有先鋒性質(zhì)的大膽實踐。VR/AR的前景與發(fā)展空間不可限量,就如同Pokemon Go這款游戲一樣,哪里都有可能藏著“小精靈”,就看玩家們能否先人一步抓到而已了。
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,已在多個任務上驗證有效性。