华为于16日在2014华为云计算大会(HCC 2014)举办平安城市分论坛。论坛主题是“创新ICT,让平安城市更智慧”,来自全球的200余位专家和行业精英参与,展望业界发展新趋势,探讨如何建设立体、高效、可靠的平安城市体系,构建更智慧的安全城市。
中国人民公安大学教授洪卫军首先回顾了大数据时代公共安全领域面临的问题和挑战,展望了平安城市建设的发展趋势。他认为,大数据技术的战略意义不仅在于掌握庞大的数据信息,而且在于对这些数据进行的专业化处理。迈入“大数据”时代,对世界各国警务工作而言,既是机遇,又是挑战。积极顺应和利用这一历史浪潮,将会对世界各国警务工作产生重大而深远的影响。
华为企业BG公共安全解决方案首席架构师刘敏分享了华为平安城市解决方案,阐述了如何利用融合、创新的ICT,构建更智慧的安全城市。当前,世界经济全球化深入发展,各种影响公共安全的不确定、不稳定因素日益增多。华为平安城市解决方案凭借对公共安全行业的深刻理解,以及在ICT领域的深厚积累,通过LTE、融合指挥调度、智能视频监控、云存储等技术手段的创新,充分满足公共安全领域在防、控、管、查等方面的业务需求,实现预防和处置相结合,从而构建更安全、更智慧的社会环境。
华为平安城市解决方案,首先为城市提供了无处不在的高性能宽带网络覆盖,包括4G LTE、WiFi、微波、xPON等,覆盖各类使用场景,确保高清视频监控、海量传感器能敏捷接入网络,从而确保所有信息全面掌控,为城市构建更迅速的应急响应体系。
其次,华为平安城市解决方案集指挥调度、视频会议、智能监控功能为一体,满足指挥人员及时高效获取事件信息、了解现场情况、调度视频会议等需求。 eLTE宽带集群可以实时传输现场画面至指挥中心并与视频会议系统实现融合,从而提升应急响应效率。
于此同时,华为平安城市解决方案中的智能分析系统,可以实现多种行为的智能分析,通过与警综案件系统对接,实现视频证据和案件信息的关联共享。采用该方案后,应用分析可以部分取代人工分析,大大缩短视频阅读时间、提高检索效率、降低办案成本,快速、精准的打击犯罪活动。
此外,平安城市解决方案还包括了视频云方案,采用Scale-out分布式架构,通过分布式软件技术将多个存储节点上的计算、存储资源进行整合,向业务系统提供高性能、大容量、弹性扩展和海量并发能力,实现灵活扩展、自动增减容量和无缝数据迁移,最大容量可高达PB级。
论坛上,来自全球的业界嘉宾也分享了携手华为建设平安城市的成功案例。荷兰VCS Observation公司CEO,Wim van Deijzen先生介绍了荷兰警察系统如何通过华为eLTE宽带集群系统,实现指挥可视、现场可达。新疆克拉玛依市信息中心副主任邸俊峰先生也介绍了如何通过建设部署华为视频云解决方案打造安全城市。
与其他垂直行业相同,在公共安全领域,华为也秉持“被集成”战略,携手业界厂商共同为客户提供优质的端到端解决方案。海克斯康业务发展总监Harbauer Horst先生在会上分享了海克斯康-华为在融合指挥调度领域的联合解决方案;SAP公共服务行业解决方案顾问武通先生也在会上介绍了SAP-华为警务大数据联合解决方案,阐述如何应对大数据时代的公共安全挑战。
华为在政府与公用事业行业耕耘多年,华为平安城市解决方案已在全球超过40多个国家和城市得到广泛应用。本次论坛的成功举办给华为与客户、合作伙伴创造了一个沟通交流的良好平台,致力于通过创新ICT技术与解决方案,让平安城市更智慧。
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。