裸眼3D技术已经推出多年,各种不同原理的技术纷纷出现在市场上,但整个3D市场一直都处于不温不火的状态,其中的原因,3D观看不舒服是一个方面,3D片源过少又是一个方面,在CES2014上,有一家厂商试图去解决这个问题,并且据了解他们已经和国内一些电视厂商展开合作,今年一些成品有可能将会陆续上市。
这家裸眼3D解决方案供应商叫做StreamTV Networks,他们采用柱状透镜式的裸眼3D原理,比较有特色的功能有几点:首先,我们可以自由的调节3D的景深,这个主要用于防止长期观看3D视频造成的眩晕,我们可以根据家庭电视摆放位置和每个人对景深的不同感受调节到最舒适的位置;其次是,它们可以实现将普通的2D电视节目信号实时的转换成为3D输出,经过我们的现场体验,效果还是比较明显的,尤其对于体育节目,立体感极强,当然效果仍然比不上3D片源的输出效果,配图就是我们在现场实时的将新闻联播转成3D信号,当然相机拍不出3D效果,从人眼角度看还是很不错的;第三是成本较低,我们了解到StreamTV Networks的技术不会给电视厂商带来过大的成本压力,他们可以用更低的成本向市场销售裸眼3D电视终端。
目前StreamTV Networks已经和一些电视厂商展开合作,今年这些厂商或许将会推出一些裸眼3D的成品。
[video]uu=dfa091e731&vu=5aebbf53b3&auto_play=0&width=600&height=450[/video]
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。