微信扫一扫,关注公众号

  • 科技行者

  • 算力行者

见证连接与计算的「力量」

首页 CNET每周明星:快捷且智能的指纹识别 华为Mate7

CNET每周明星:快捷且智能的指纹识别 华为Mate7

2014-09-18 17:35
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2014-09-18 17:35 孙斌

近期,华为Mate7手机在上海的新闻发布会上首次亮相国内。Mate 7是一款搭载6英寸巨型显示屏、超八核处理器的旗舰机型。而该款机型最大的一个亮点便是首次在安卓系统手机中搭载了按压式的指纹传感器,本文就具体讨论一下该功能的使用体验。

CNET每周明星:快捷且智能的指纹识别 华为Mate7

按压式指纹传感器的属于电容感应式指纹传感器的一种,其工作原理简单来说就是通过给手指皮肤带电后,由于指纹凹凸不平、不同区域指纹的脊和谷之间的距离也不相等,使得每个单元的电容量随之而变,由此便可获得指纹图像。相比传统的刮擦式指纹传感器,其识别速度更快,准确率更高。Mate 7上的指纹识别完全可以实现掏出手机的过程中轻松完成解锁。这样的用户体验不仅十分便利,而且非常炫酷。

CNET每周明星:快捷且智能的指纹识别 华为Mate7

另外,Mate 7还支持手指360度解锁,并可以识别湿手、脏手等。简单地说无论何时、何地、何种情况下,一旦你需要解锁手机,只需要按一下指纹识别器,Mate 7就可以满足你的需求。

除了在手机解锁的体验之外,Mate 7的指纹识别功能还可以用于打开应用锁、保密柜和登陆华为账号等功能,甚至可以用来当做自拍时的快门,让你可以更加从容的拍出满意的美照。除此之外,此次华为还与支付宝进行合作,成功实现了用指纹代替密码来操作支付宝钱包应用内的部分付款功能。

CNET每周明星:快捷且智能的指纹识别 华为Mate7

至于安全方面,华为Mate 7为用户提供了芯片级的安全解决方案,由于所有的指纹信息都是保存在本地,所以就算在第三方应用中使用指纹识别,第三方也是完全接触不到保存在芯片中的识别数据的。

总的来说,华为Mate7拥有着良好的指纹识别速度与精度,而且安全有所保障,再配合关联紧密的设计,成功的把指纹识别功能自然的融入到手机的使用过程当中。这样毫无违和感的用户体验,相信可以让更多的用户喜爱上指纹识别带给我们的便利服务

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-