虚拟现实无处不在,未有所成。
尽管虚拟现实一直是一个热门话题,但大多数人根本从为体验或购买过一副虚拟现实耳机。虽然虚拟现实头戴显示器Oculus Rift目前还不是一款主流产品,不过若想感受虚拟现实,我们可以先买一个便宜的开发工具包来体验一下。三星Gear VR头戴式显示设备就在那里,只是它还有很大的局限性——一部特定手机,一个非常有限的软件库。
在这个混乱的领域里,PC游戏硬件制造商雷蛇(Razer)已决定佩戴其自有虚拟现实眼镜加入战局:一款毫不逊色的可控开源虚拟现实设备OSVR Hacker Dev Kit。
这意味着什么呢?雷蛇表示这款设备售价200美元,大大低于当前349美元的Oculus Rift开发套件,而且不仅兼容Oculus Rift第二代开发套件(DK2),而且兼容Linux和Android系统的任何试验性的虚拟现实软件。
雷蛇及其合作伙伴联合创建了一个虚拟现实开放式平台:OSVR开源虚拟现实系统(Open-Source Virtual Reality)。OSVR旨在支持软件插件(Unity 3D、虚幻引擎4和英雄引擎(HeroEngine))、输入硬件(Sixsense和Leap Motion等)及其他虚拟现实的设备,包括Oculus rift DK2和Vrvana Totem。
虽然OSVR开发工具将开发其自有软件,但在CES大会上,一些公司已开始寻求与OSVR进行合作,包括手势控制戒指Nod Ring和体感控制器Leap Motion。目前为止,OSVR支持者有雷蛇、Leap Motion、Nod Labs、SensoMotoric Instruments、Virtuix、YEI、Sixense、博世(Bosch)、 Hillcrest Labs、 Pebbles Interfaces和少数软件开发者,如Gearbox和Untold Games工作室等。
OSVR Hacker Dev Kit设备外形类似一双眼睛,固定方式类似具有弹性头带的防水墨镜。设备内置有一块可换式5.5英寸显示屏,分辨率为1920×1080,并配有头部追踪技术,与三星Gear VR相类似。此外它还配有一个加速计、一个陀螺仪和一个指南针,但还未具备像Oculus Rift套件和索尼墨菲斯计划(Project Morpheus)那样的头部追踪技术。
据雷蛇表示,他们仍商议采用哪类科技,但他们还表示,红外摄像机这种技术方案将随后再添加。此外,设备配有一个外部USB 3.0接口和两个内部USB 3端口,可连接额外配件。
雷蛇计划在其网站OSVR.com上提供OSVR套件的设计模版和相关细节,方便爱好者们采用3D打印技术打印其模型。用户可通过5个螺丝将设备拆开,更换更高分辨率的显示器或镜头。
此外,雷蛇这款设备拥有可调式目镜,镜头可旋转,而这是Oculus所缺乏的。雷蛇承诺将通过其镜头令“失真”最小化,甚至还要比拟Oculus,而这个挑战有些艰巨,毕竟目前的Oculus VR效果已非常不错。
其实虚拟现实真正的挑战在于它如何处理实实在在的游戏,好在雷蛇已获得了众多虚拟现实体验参展商的支持。
OSVR将于今年6月上市,而且很明显将主要针对黑客和开发人员推出。虚拟现实技术目前仍处于萌芽期,虽然将所有虚拟现实产品集结在一起的想法很宏伟,但听起来有些混乱。毕竟像Oculus和索尼等这样的公司已经尝试着独立打造出了一条他们自己的道路。而虚拟现实还有待开发。那么,OSVR能在其中铺出一条路吗?我们将拭目以待。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。