
自诞生以来,手机在形态和功能上发生了翻天覆地的变化。从键盘机到触屏机,从功能机到智能机,每一次的演进都是一个新时代的开启。作为国产手机中的代表,努比亚在继去年发布能拍银河星星的手机nubia Z7后,于昨日正式发布首款无边框手机nubia Z9。
此次发布的nubia Z9共分为经典、精英与尊享三个版本,均搭载Qualcomm 64位八核810处理器,全网通,其中nubia Z9经典版采用3G LPDDR4高速内存和32GB存储组合,精英版和尊享版则为4G RAM与64G ROM组合,此外nubia Z9尊享版还配备了全新的TiO指纹识别技术。
在拍摄方面,nubia Z9后置1600万索尼IMX234 Exmor RS 堆栈式图像传感器摄像头,搭配F2.0的超大光圈和OIS光学防抖功能,音影方面,专业的音频芯片配合MHL3.0技术。
除了在配置上的版本细分外,nubia Z7继承了努比亚以往追求创新无止境的精神,在诸多功能与细节上做出了创新,并且还将新的努比亚独家的专利技术融入其中。
在工艺方面,努比亚开创的aRC(arc Refractive Conduction)屏幕技术,突破了LCD工艺的行业极限,将液晶显示面板中不可避免的封边进行视觉隐藏,为有边的LCD带来了无边的视觉效果。
努比亚认为,用户的一些误操作行为映射出的是人类潜意识下最本质的行为方式。因此,从Z9的研发初期阶段开始,努比亚团队就深入挖掘用户的操作习惯。通过结构设计、底层驱动、手势操作算法,材料技术等多部门的倾力合作,nubia Z9带来了最尊重用户使用习惯的的FiT(Frame interactive Technology)边框交互技术。
FiT从系统层面极大得扩展了手机的交互资源。自进入触控时代以来,手机上的交互方式仅仅是在屏幕上长按、点击、两指缩放,上下滑动、左右滑动等。而nubia Z9的全新无边设计,使手机的交互资源史无前例地扩展到了屏幕边缘,简化了用户操控体验的深度和难度,实现了通过简单的边缘滑动就可完成的诸如亮度调节、清理内存、截屏、握边拍摄等多种功能,相较传统手机,操控步骤平均减少2.7步。
遵循极简理念的nubia Z9指纹识别版通过TiO(Three in One)技术用侧面一个按键集成了电源键、音量键和指纹识别功能,实现了整机高度简约式设计。通过简单的触摸和按压两种方式即可完成音量调节、解锁、开关机等各项操作。
除此之外,努比亚还针对Z9开发了会呼吸的nubia UI 3.0,该版UI增加了无边交互区域,视觉上更加扁平化,使用上更智能化、人性化。如图标根据背景自动变色,背景与主题智能更换等,都是本次UI的独具匠心之处。努比亚还会与腾讯微信等移动应用开发合作伙伴一起针对nubia Z9的创新无边框设计,开发更符合无边框交互使用特点的应用,让用户感受更具创新的移动应用体验。
在摄影方面,nubia Z9带来了全新硬件软件上的双重升级,推出全新的光绘2.0摄影技术,创造性地用视频的方式记录光绘创作过程,实现了从三维到四维的艺术升华,从此光绘不再是一个静止的画面,而是一种动态的艺术呈现。
不仅是全新的光绘2.0,nubia Z9携定制Neovision 5.1拍照系统带来更多提升。新的拍照系统继承了电子光圈、星轨相机等场景化功能,拥有广阔的创作空间,可一键捕获转瞬即逝的精彩瞬间,实现流体雾化、时空凝固等多种专业效果。相比老版本,NeoVision 5.1改进的交互方式及所见即所得的预览效果,更贴近大众使用习惯。
据悉,自2015年5月6日21:00时起,nubia Z9经典版将在努比亚体验店、努比亚官网和京东商城同步启动预约,售价3499元;而精英版和尊享版可在努比亚体验店、努比亚官网进行预约,其中精英版售价3999元,尊享版售价4499元。
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。