CNET科技資訊網(wǎng) 12月27日 北京消息(文/齊豐潤(rùn)): VR這一詞匯無可厚非的成為了2016年的潮流,無論是廠商還是用戶都對(duì)這一領(lǐng)域給出了足夠的關(guān)注,如果你是一個(gè)站在科技前沿的人,那么你就不能說你沒玩過VR。
不過,在VR概念火爆的背后是低于預(yù)期的市場(chǎng)表現(xiàn),據(jù)近期super data數(shù)據(jù)顯示,今年VR設(shè)備的全年出貨量遠(yuǎn)低于年初的預(yù)測(cè)。而VR內(nèi)容的匱乏表現(xiàn),是制約了VR市場(chǎng)的重要原因之一。
而隨著直播內(nèi)容的火爆表現(xiàn),VR直播成為了許多企業(yè)殺入VR市場(chǎng)的通道之一,而在擁有巨大的直播用戶群體之后,VR直播所能帶來的就是具有想象空間和增長(zhǎng)空間的市場(chǎng)。
正是看到了這樣的潛力,有信網(wǎng)絡(luò)便決定在VR直播領(lǐng)域中做出探索。區(qū)別于其他的直播產(chǎn)品,今年9月,有信網(wǎng)絡(luò)邊推出了旗下的語音直播產(chǎn)品紅豆Live,而現(xiàn)在,有信又推出了基于虛擬VR直播的產(chǎn)品紅豆VR。
就目前來看,游戲是目前占比最多的VR內(nèi)容,約為70%,其次是VR視頻,占比在25%以上,預(yù)計(jì)到2020年,VR視頻與游戲的占比將站的VR內(nèi)容總量的65%。據(jù)統(tǒng)計(jì),自2016年7月以來,VR游戲的月新增數(shù)超過100款,而VR視頻與VR直播也在全球各大視頻、VR等廠商中有著存量。
據(jù)有信介紹,VR直播可以分為四類:實(shí)景直播、秀場(chǎng)直播、虛擬直播和MR直播。在虛擬直播中,主播和觀眾的形象都是虛擬的。同時(shí),虛擬直播也是VR社交具有代表性的一類線上活動(dòng),解決一部分VR用戶的流量問題。
除了在產(chǎn)品的選擇方面格外慎重之外,有信還針對(duì)操作、感受和使用體驗(yàn)三個(gè)方面進(jìn)行了優(yōu)化。有信表示,為了避免在使用中的眩暈感,紅豆VR 可以做到同屏最高20萬面的情況下滿幀,并將需要用戶閱讀的文字放在2m的位置,已達(dá)到舒適的使用體驗(yàn)。同時(shí)在臨場(chǎng)感上,紅豆VR也做出了相應(yīng)的設(shè)計(jì),讓用戶增強(qiáng)臨場(chǎng)感的同時(shí),又不會(huì)被阻擋視線。
VR和直播都可以算的上是2016年最火熱的領(lǐng)域之一,不過就目前來看,直播的單一表現(xiàn)形式以及VR內(nèi)容還有待豐富,而將這兩個(gè)領(lǐng)域結(jié)合在一起不僅讓直播的形式變得更加前衛(wèi),同時(shí)在VR內(nèi)容上也展示出了潛力。而如何玩出自成一派的VR直播方式,或許才是紅豆VR給人最大的期待吧。
好文章,需要你的鼓勵(lì)
新加坡國(guó)立大學(xué)研究團(tuán)隊(duì)開發(fā)了SPIRAL框架,通過讓AI與自己對(duì)弈零和游戲來提升推理能力。實(shí)驗(yàn)顯示,僅訓(xùn)練AI玩簡(jiǎn)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(duì)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(shí)現(xiàn)37.9%的精度提升,并在真實(shí)設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動(dòng)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(duì)通過對(duì)比實(shí)驗(yàn)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(shí)刻"現(xiàn)象,但這些自我糾錯(cuò)行為并不能實(shí)際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗(yàn)證差距",即生成答案的能力強(qiáng)于驗(yàn)證答案質(zhì)量的能力,且模型在自我驗(yàn)證時(shí)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(dòng)態(tài)稀疏性實(shí)現(xiàn)大語言模型訓(xùn)練加速1.6倍,計(jì)算成本降低2.2倍。該方法使用SVD稀疏性估計(jì)器智能選擇重要計(jì)算部分,在保持模型性能的同時(shí)顯著提升訓(xùn)練效率,已在多個(gè)任務(wù)上驗(yàn)證有效性。