高通技術(shù)公司推出全新智能攝像頭物聯(lián)網(wǎng)解決方案——高通QCS7230,拓展高通視覺(jué)智能平臺(tái)的產(chǎn)品組合,推動(dòng)企業(yè)安全防控和公共安全領(lǐng)域的數(shù)字化轉(zhuǎn)型,旨在通過(guò)在智能網(wǎng)聯(lián)邊緣運(yùn)行的智能終端保障環(huán)境安全。
全新解決方案將帶來(lái)卓越的邊緣AI推理,利用實(shí)時(shí)邊緣計(jì)算、人工智能(AI)、機(jī)器學(xué)習(xí)(ML)和分析提升安防與運(yùn)營(yíng)效率,讓城市、企業(yè)及各類場(chǎng)景更加安全并獲得更好保護(hù)。
在疫情期間,組織和社區(qū)都采用了智能攝像頭應(yīng)對(duì)新常態(tài)。數(shù)字化轉(zhuǎn)型有助于幫助保持社交距離,監(jiān)督佩戴口罩,追蹤室內(nèi)和室外人員密集情況并強(qiáng)化運(yùn)營(yíng)流程。具備連接、AI、分析和云技術(shù)的智能攝像頭為城市、企業(yè)和實(shí)體提供增強(qiáng)洞察所需的實(shí)時(shí)智能,從而最終提升社區(qū)生活質(zhì)量,助力實(shí)現(xiàn)更好的商業(yè)決策和成果。
高通技術(shù)公司業(yè)務(wù)拓展總監(jiān)Siddhartha Franco表示:“隨著諸多行業(yè)的數(shù)字化轉(zhuǎn)型,運(yùn)行在智能網(wǎng)聯(lián)邊緣的智能終端受到高度關(guān)注,需求也有很大提升。如今的攝像頭需要出色的連接和互操作性、強(qiáng)大的邊緣計(jì)算及AI特性,同時(shí)還要兼顧安全和隱私保護(hù),高通技術(shù)公司在提供以上特性方面擁有獨(dú)特優(yōu)勢(shì)。高通技術(shù)公司廣泛的智能攝像頭解決方案產(chǎn)品組合讓企業(yè)和實(shí)體能夠更便捷地部署智能攝像頭,以支持各個(gè)行業(yè)的諸多用例,包括打造更安全的社區(qū)及做出更好的業(yè)務(wù)決策等。”
全新解決方案滿足行業(yè)對(duì)于智能攝像頭更廣泛的需求,還通過(guò)IoTaaS模式支持智能攝像頭端到端擴(kuò)展解決方案。這將為計(jì)劃從傳統(tǒng)視頻管理軟件(VMS)模式向支持IoTaaS的基于端到端服務(wù)功能轉(zhuǎn)型的企業(yè)提供支持。此外,該解決方案將加快邊緣AI服務(wù)的發(fā)展,為企業(yè)和實(shí)體提供部署智能攝像頭和智能物聯(lián)網(wǎng)終端所需的技術(shù)要素,以支持視頻協(xié)作、訪問(wèn)控制、企業(yè)與家庭安防、360度攝像頭、行車記錄儀和可穿戴攝像頭等。
高通技術(shù)公司領(lǐng)先的智能攝像頭解決方案供應(yīng)商生態(tài)系統(tǒng),進(jìn)一步補(bǔ)充和擴(kuò)展了高通技術(shù)公司的物聯(lián)網(wǎng)創(chuàng)新價(jià)值,豐富并加速智能攝像頭解決方案在企業(yè)、城市和各類場(chǎng)景的發(fā)展和部署。
創(chuàng)通聯(lián)達(dá)已推出商用就緒的TurboX QCS7230智能模組,助力開(kāi)發(fā)者和制造商快速開(kāi)發(fā)跨多種應(yīng)用的智能攝像頭和智能物聯(lián)網(wǎng)終端。TurboX QCS7230智能模組現(xiàn)已上市,可支持便捷、具有豐富安全特性且高性能的攝像頭連接和AI分析。
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(kāi)發(fā)了SPIRAL框架,通過(guò)讓AI與自己對(duì)弈零和游戲來(lái)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(wú)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(kāi)發(fā)的GIGA-ToF技術(shù)通過(guò)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(wèn)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(jué)解決方案。
伊利諾伊大學(xué)研究團(tuán)隊(duì)通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn),經(jīng)過(guò)強(qiáng)化學(xué)習(xí)訓(xùn)練的視覺(jué)語(yǔ)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(wú)法有效利用視覺(jué)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(guò)動(dòng)態(tài)稀疏性實(shí)現(xiàn)大語(yǔ)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。