
在去年的CES上,我们就看到了大量的4K设备,而本届CES上,以三星、LG为代表的韩国厂商也展示了更多的4K设备,即便是不在4K主战场发力的夏普,也在其Q+电视上提供了4K播放的能力。在硬件已经就绪的情况下,软件并没有跟上脚步,4K源的匮乏仍然制约了4K的全面爆发。
解决源的问题除了需要电影制作发行公司的努力之外,还需要普通用户能够大量的创建4K视频,作为最流行的视频拍摄工具,手机当仁不让的承担起了主要的责任,去年,支持4K录制的手机开始上市,比如三星Galaxy Note3,其采用了高通骁龙800处理器平台,现在,高通致力于为未来的手机产品全面提供4K录制的支持,在CES2014上,高通也演示了这样的成熟方案。
另一方面,高通还在CES2014上推出了骁龙802平台,这个平台的主要承载终端是智能电视,它的主频为1.8GHz,采用四核设计,在功能特性上,大致和骁龙800、骁龙805相当,不过值得注意的是,骁龙802可以通过Hollywood Quality Video技术将普通的1080P视频实时转换成为接近于4K质量的视频,这个功能将极大的拓展了4K的源。
当然,目前4K全面普及仍然存在一些障碍,主要有两点,第一是大屏幕4K播放设备的价格仍然较高,距离主流市场仍然有一定的距离,第二是存储成本,尤其是手机存储成本,对于4K应用来说,仍然不够低廉,记者尝试录制了一段10秒钟的4K视频,就占据了60M的存储空间,一段三五分钟的视频就要占据上GB的空间,对于目前出货最大的16G容量手机而言,是个巨大的挑战。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。