苹果曾提出过一项发明,能够将不同的相机镜头更安全地固定到用户的iPhone上,如今这项发明取得了新的进展。
美国专利商标局(US Patent and Trademark Office)于当地时间本周二授予了苹果这项专利,该专利被称为“卡口式附加装置(Bayonet attachment mechanisms)”,主要描述了一种能够方便用户更换其移动设备相机镜头的方法,用户可在其手机上使用该专利中所描述的一种卡口式镜头座将镜头固定在iPhone上。
许多相机产品及其他类型的类似消费品也经常使用卡口式镜头座,它能够将设备的两个不同部分轻而易举却坚固得连接在一起。用户只需轻轻推一下其中一部分组件,然后将这部分转动拧入另一部分当中,即可将两部分咬合在一起。而向相反的方向转动它时,便可将其重新拆散。
据这份专利文件显示,苹果认为卡口式附加装置优于其他类型的连接件,如与磁力耦合器相比,后者并不安全。
不过,卡口式镜头座可能存在的一个缺点是,这种底座难免会从手机的后部略微凸出来一点点,而大多数移动设备的固定相机镜头通常是与其设备齐平的。但是,如果用户能安全地为其手机更换各种各样的镜头的话,那么这个代价或许并不那么重要。
然而,如果用户失手摔掉了配置附加镜头的手机,会出现什么情况呢?会不会因为镜头和手机的紧密相连而导致它们两者均受到损害呢?在这样的“摔落事件”发生时,苹果提出了一种应急方法,能够自动将电话和镜头分离,以减少对手机本身的损害。
尽管其他手机制造商已经为我们的手机配置了固定的相机镜头,但假设苹果将这项专利用于实践,那么这样一个卡口式镜头座将为我们提供一种更简单、更安全的镜头更换方式。
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。