
在人们还沉浸在十一黄金周的假期中时,科技宅们又将相继迎来信息量极大的科技新品发布周。
先是苹果确认将于十月举行新品发布的好消息,接着联想也将在10日发布Yoga新品,然而另一家通讯厂商HTC却抢跑在最前列,于北京时间10月9日凌晨在纽约举办发布会,并宣告HTC正在开启神秘且全新的转型之路:重新定义移动影像。
与此同时,HTC还发布了全新的拍照系统Eye Experience,这套拍照系统对原有HTC的拍照体系进行大幅升级。基于这套系统的新品HTC One M8 Eye和Desire Eye也正式亮相。HTC还发布了首款手持式便携拍照相机HTC Re。
事实上,早在今年9月份HTC向媒体派发的邀请函里,就已曝光10月神秘发布会的主题“双曝光(Double Exposure)”,而且HTC还邀请受邀者们在其邀请回复中提交一张自拍照,这暗示着这可能是一场相机或以照片为中心的发布会。
HTC近年来一直在强调其设备中的相机性能和特性。该公司抛弃了原始HTC One智能手机摄像头的传统像素,转而选择了一种自定义影响传感器,并以UltraPixels摄像头技术将其推向市场。
HTC Desire Eye的外观类似Desire 820,机身配色更有活力,采用5.2英寸1080P分辨率显示屏,搭载高通骁龙801处理器,内置2GB运行内存和16GB机身存储空间(支持SD卡扩展),电池容量为2410mAh,支持IPx7级别防水,可在1米深水下保持30分钟。
值得一提的是,Desire Eye的前、后摄像头均为1300万像素,并且均配有双色温补光灯。从正面看,硕大的前置摄像头非常明显。
M8 Eye作为HTC M8的改款出现,最大的变化是将M8上原有的400万像素UltraPixel镜头更换为了1300万像素常规的背照式镜头,同时手机的前后面板颜色将采用撞色搭配,而不再是统一的。
M8 Eye配备了5.2英寸1080p分辨率显示屏,搭载2.3GHz骁龙801处理器,用于2GB运行内存和16GB机身存储空间(支持SD卡扩展)。
作为HTC手机的拍照系统软件升级版出现,升级后的系统将支持诸如前后摄像头摄像、五方视频通话、120帧慢快门拍摄等功能。HTC为视频通话定制了面部追踪功能,前置摄像头通过面部识别功能,可以追踪使用者的面部位移变化,只要在前置摄像头的拍摄范围内,使用者随意移动,Eye Experience都可以锁定人脸。
此外,全新的Eye Experience拍摄功能也将率先登陆M8 Eye。Eye Experience允许用户进行分屏拍摄、前后摄像头同时拍摄视频、滑动切换摄像头等操作,并且支持微笑、声音自拍及实时美颜、魔幻变脸、面部识别追踪等功能。未来,Eye Experience将向微信、Line等社交软件开放API接口。
除了两款手机产品,HTC还发布了名为“RE”的便携式拍照相机。
这款设备的外观很像一个潜望镜,只有镜头和快门,并未取景器,机身小巧,仅重66克,拥有多种配色供选择。当用户手持“RE”时,它会自动启动,而在静止30秒之后,其会随之进入休眠状态。HTC称,Re的电池容量为820mAh,可以保持休眠状态两个月,使用时可拍摄1000张照片,或100分钟全高清视频。
HTC RE采用了1600万像素定焦镜头,拥有146度广角,支持4倍速的慢速或快速摄像模式,以及IPx7级别防水,可以直接进入游泳池拍摄。为了满足不同用户的需求,HTC还提供了RE防水帽(可在水下3米使用2小时),以及镜头保护套和外置配件,例如绑在头盔上使用。
HTC RE内置8GB存储空间,可扩展至128GB,通过蓝牙与手机配对,数据传输则依赖于WiFi。RE的手机端应用可以浏览照片或控制摄像头拍照,支持Android和iOS平台。
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。