现今可穿戴式设备层出不穷,智能手表和智能手环这类产品已经进入了市场。未来,还可能会出现智能头盔甚至智能口罩这类产品,但是真正让我们期待的还是智能眼镜。
说起智能眼镜,我们首先想到的就是谷歌Glass,而在今年CES2014上美国数码产品生产商Vuzix带来了他的智能眼镜产品M100。
这款设备内置了OMAP 4处理器,可运行Android 4.0系统,拥有4GB内置存储空间,并内置了 GPS 和指南针,可以连接终端设备进行使用。
内置摄像头支持720p影片拍摄,并能够跟踪头部的运动来进行拍摄。其内置的电池,在正常工作下可以达到八小时之久。虽然,VUZIX M100只有800×400显示分辨率,但是由于观看距离较近,实际显示出的效果还是比较让人满意的。
不过VUZIX M100最佳操作方式是通过智能手机上的专用APP来操纵的,所有的操作都可以在手机上完成。最后,这款智能眼镜有两种佩戴方式,可以跟耳机一样挂在耳朵之上,也可以像耳麦一样挂在头上。
这款M100有望在今年一季度推出,价格在500美金以下。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了SPIRAL框架,通过让AI与自己对弈零和游戏来提升推理能力。实验显示,仅训练AI玩简单扑克游戏就能让其数学推理能力提升8.6%,通用推理提升8.4%,且无需任何数学题目作为训练材料。研究发现游戏中的三种推理模式能成功转移到数学解题中,为AI训练提供了新思路。
同济大学团队开发的GIGA-ToF技术通过融合多帧图像的"图结构"信息,创新性地解决了3D相机噪声问题。该技术利用图像间的不变几何关系,结合深度学习和数学优化方法,在合成数据集上实现37.9%的精度提升,并在真实设备上展现出色泛化能力,为机器人、AR和自动驾驶等领域提供更可靠的3D视觉解决方案。
伊利诺伊大学研究团队通过对比实验发现,经过强化学习训练的视觉语言模型虽然表现出"顿悟时刻"现象,但这些自我纠错行为并不能实际提升推理准确率。研究揭示了AI模型存在"生成-验证差距",即生成答案的能力强于验证答案质量的能力,且模型在自我验证时无法有效利用视觉信息,为AI多模态推理发展提供了重要启示。
MIT等顶尖机构联合提出SparseLoRA技术,通过动态稀疏性实现大语言模型训练加速1.6倍,计算成本降低2.2倍。该方法使用SVD稀疏性估计器智能选择重要计算部分,在保持模型性能的同时显著提升训练效率,已在多个任务上验证有效性。