
在这次的CES上,很多的亮点呈现在我们面前,智能家居绝对是其中非常重要的一个部分。而智能家居拥有多个组成部分,智能电视、智能盒子、家庭网络、智能光源、游戏机等等,都是其中的组成部分,但是你所不知道的是,很有可能,我们日常使用过程中的这些智能家居设备,都包含了一个厂商的解决方案,这个厂商就是Marvell。
作为一个芯片供应商,Marvell为智能家居设备提供了多种多样的SoC芯片,其中有些侧重于计算处理,有些侧重于网络,有些侧重于连接,有些则是多种功能的集大成者,比如谷歌的Chromecast中的处理芯片,索尼PS4中的WiFi芯片,蓝牙芯片,苹果MacBook Air中SSD的控制芯片等等,实际上,Marvell已经默默的为我们提供了一套完整的智能家居解决方案,只不过,他们是在背后默默的提供着。
今天,我们在CES上拜访了Marvell智能家庭副总裁Winston Chen,我们试图从Winston那边了解Marvell现在以及未来在智能家居上的战略方向。
在智能电视领域,这也是Marvell做得较为成熟的领域,他们已经与大量的合作伙伴展开合作,包括夏普、海信、创维等等,同时在4K的支持上,Marvell目前也已经实现了芯片上的支持,接下来只是等待家电厂商推出新的电视终端产品,同时Marvell还与一些电视内容提供商展开合作,力求能够让消费者在智能电视上获得更多的内容享受。
在智能照明领域,Marvell合作开发的LED灯泡可以实现利用智能手机、平板电脑进行光亮的调节,今年将会大量出货,由于Marvell的高度集成方案,因此灯泡的成本预计将会有较大幅度的回落,考虑到中国政府也在大力推广节能减排,智能灯泡在中国市场的前景非常可期。
网络连接功能上,Marvell不仅仅与运营商合作推出了TD-LTE制式的多模产品,还推出了g.hn标准的电力线传输工具,利用这个工具,我们可以将WiFi部署到所有的房间中,而不需要布线,也不需要担心WiFi信号穿墙的问题。
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。