Canva在线设计平台由梅勒妮·珀金斯(Melanie Perkins)、克里夫·奥布雷赫特(Cliff Obrecht)和卡麦隆·亚当斯(Cameron Adams)在澳大利亚共同创立并于2013年推出产品,现已成长为全球最大的在线设计平台。迄今已有超过8.5亿个平面设计作品在Canva上被创建,目前80%的世界五百强企业都是Canva的企业用户。日前,Canva正式宣布,面向中国市场推出Canva中文版产品,针对中国用户对于平面设计日益蓬勃和多样化的独特需求,量身打造中文网站以及移动端应用,为中国用户提供更为友好的中文界面、更为丰富的设计素材和更为本地化的产品功能。
Canva联合创始人兼首席执行官梅勒妮·珀金斯(Melanie Perkins)、Canva首席布道师盖伊·川崎(Guy Kawasaki)以及Canva中国区首席执行官张源出席活动并现场分享了Canva的品牌愿景、产品功能及针对中国市场的战略规划。视觉中国集团首席执行官梁军、汉仪字库首席执行官谢立群和One Show大中华区首席代表马超也受邀出席,共同见证该产品的上线发布。
Canva联合创始人兼首席执行官梅勒妮·珀金斯(Melanie Perkins)
Canva联合创始人兼首席执行官梅勒妮·珀金斯在现场发表演讲表示:“每个人都是天生的设计师,Canva自成立之初就矢志于打破创意思考与设计技能之间的藩篱,鼓励每一个用户借助Canva平台甩掉专业技能的桎梏,尽情释放自己的设计原创力。Canva正在改变设计的未来,希望有一天让全球40亿互联网用户都可以通过Canva实现自己的设计需求和梦想。”
Canva在线设计平台现在支持100余种语言,拥有海量且持续更新的版权图片和字体素材库,为各行各业的个人用户和企业用户提供包括演示文稿、海报、横幅、社交媒体图片、邀请函、简历等多种设计场景的数万款免费模板,助力他们跨越传统设计工具的技术门槛,轻松创建原创力满格的设计作品。2018年1月,Canva获得来自红杉资本中国基金、Blackbird Ventures和Felicis Ventures的新一轮4000万美元融资,估值超过10亿美元。
此次发布的Canva中文版产品深入挖掘了中国用户的独特需求,独创微信、微博、电商等相关设计场景的中国模板,同时支持微信、微博等社交媒体登录和分享。除此之外,Canva还与视觉中国以及汉仪字库达成战略合作伙伴关系,为中国用户提供海量可商用版权图片和中文字体,力求为中国用户提供优质的本地化产品体验。用户可以直接访问桌面端网站进行注册和设计编辑,也可以通过苹果应用商店及安卓应用分发平台下载和体验Canva手机客户端。目前,Canva中国的各项功能和设计素材均可免费使用,付费功能和服务将后续推出。Canva也已迅速与京东、WeWork、摩拜单车、贝壳找房、桃园眷村、中国足协等各种行业和规模的企业和机构展开积极沟通,共同探讨如何借力Canva有效提升营销工作和设计的效率。
Canva中国区首席执行官张源表示:“近年来,伴随着社交媒体、电子商务和O2O平台的飞速发展,国内企业和个人对平面设计的需求剧增,与此同时,设计工具门槛较高、设计人才匮乏、版权内容应用有待进一步完善等问题,变得更为突出。此次推出的中文版产品,不仅继承了Canva优秀的编辑体验,更针对用户需求推出很多中国市场独有的设计模板,让用户无需设计基础也能很快做出精美的设计作品。更重要的是,通过与视觉中国和汉仪字库的战略合作,我们极大丰富了可以商用的版权内容素材,为企业用户提供更多便利。我们希望与视觉中国和汉仪字库一起,进一步培养中国用户使用优质版权内容进行设计的行为习惯,推动版权内容实现规模化发展。”
视觉中国集团首席执行官梁军和汉仪字库首席执行官谢立群也表示,双方将与Canva携手合作,持续扩充可商用版权图片和字体素材库,共同促进版权内容应用的普及化。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。