
谷歌于当地时间本周二表示,该公司将发布iOS版Photo Sphere应用,此前该应用仅可在Android操作系统上使用。
Photo Sphere应用允许用户对某一景象360度全景抓拍,并自动将图片合成为一张全景图,用户可向左、向右、向上、向下全方位地欣赏其全景照片。此外用户还可以将这些照片分享到他们的社交网络或谷歌地图中。而且当用户在谷歌地图上浏览这些照片时,该公司将自动为用户挑选一些与当地相匹配的照片。
谷歌地图和全景照片产品经理伊凡·兰普波特(Evan Rapoport)曾在一份声明中表示,将该照片应用与地图一体化的目标之一是帮助人们“探索世界。”
对谷歌来说,推出iOS版Photo Sphere照片应用这种小拓展的效果是双重的。它有助于增建该公司的地图应用,争取更多用户,帮助他们标记下每一个独特的地方。同时这也符合谷歌要确保其照片产品得以最大推广的愿望——即使这意味着这款应用将登陆其竞争对手的移动平台。
本月早些时候,有新闻报道称谷歌正计划解除其广受欢迎的照片功能与其羽翼未丰的Google +社交网络之间的绑定。此外,谷歌还在去年10月份对这项功能进行了改进,其中包括一些新的算法,它们能够使用户在大量存储的照片中更容易地进行搜索,更好地备份照片文件。该公司还推出了一项名为Auto Awesome Movie的视频直播版照片编辑功能,方便用户通过拼接影片片段来快速构建电影,同时这款软件还添有背景音乐和滤声器。
当时担任Google+负责人的维克·古多塔(Vic Gundotra)现已离开了谷歌,过去他曾表示,这款Photo Sphere服务正“试图改变摄影界”。
好文章,需要你的鼓励
openGauss的目标是探索oGRAC和超节点深度融合的可能,打造超节点原生数据库。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。
上海AI实验室团队开发的Yume1.5是一个革命性的AI视频生成系统,能够从单张图片或文字描述创造无限可探索的虚拟世界。用户可通过键盘控制实时探索,系统8秒内完成生成,响应精度达0.836,远超现有技术。该系统采用创新的时空通道建模和自强制蒸馏技术,支持文本控制的事件生成,为虚拟现实和内容创作领域开辟了新的可能性。