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 立体世界发布“非接触头部影院” 不戴眼镜看3D

立体世界发布“非接触头部影院” 不戴眼镜看3D

2015-06-13 21:35
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2015-06-13 21:35 CNET科技资讯网

3D视觉播放器生产商杭州立体世界科技有限公司今天发布“非接触头部影院”G1, 即与头部无接触,让使用者在观影过程中处于舒适状态。

立体世界

据了解,使用者无需佩戴眼镜,G1前置130mm超大目镜,机器可通过支架上下、左右、前后适当移动,人眼距离镜片最佳距离60mm左右。官方称,该设备实际像素分辨率为1920*1080p,使用中无颗粒感,观影效果等同于10米外观看300英寸的立体电影。且95%色彩还原度,基本无畸变。

音效方面,其采用非接触式双声道音响和近听式高保真(Hi-Fi)。

G1拥有钢琴白、珍珠黑、土豪金和太空银四种颜色,体积参数为360*204*107mm,内存32G。搭载android 4.2.2系统,支持WIFI无线传输。

在配件上,可选沙发、躺椅以及台式支架和落地支架等。

价格方面,现场官方告知为4000逾人民币。

早在90年代之前,就诞生了一批3D电影,但由于3D技术的局限,以及拍摄难度高、制作繁琐和播放效果不理想等原因,无法成为普遍推广的产品。自2010年起,出现了各种3D电视、显示器甚至立体手机,不过出于立体效果欠佳,没有成为市场主流,这也使得立体电影一枝独秀,给缺位的市场带来了商机。

这也就是为什么当今VR、AR火爆的原因,全球一些科技巨头都加入了战团,包括微软的Hololens,Facebook Oculus,Apple iglass,Google glass,Sony头盔,Samsung Gear。

据相关数据预测,未来5年,中国3D产业市场估值将超过328亿美元,2013年中国数字银幕数量已达到18000块,其中3D银幕超过了80%,而3D也成为电影及游戏行业的主流发展趋势,中国跃然成为全球3D的第一消费大国。在虚拟现实崛起的今天,如何拓宽3D播放渠道,以一种独有的方式吸引大众的眼球将会是夺得市场先机的筹码。目前,市场上能观看立体电影的家庭产品主要是立体电视机、立体家庭影院、头戴式显示器、裸眼立体手机等。

杭州立体世界科技有限公司成立于1991年,是一家长期致力于立体影像设备研发生产的高科技企业。除今天发布的G1外,该公司拥有知识产权的3D产品还有立体摄像机、立体照相机、立体观片机及多平台立体软件等。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 奖励设计:让AI学会智能使用工具的关键
    2025-04-23 17:39

    奖励设计:让AI学会智能使用工具的关键

    想象一下,你有一个非常聪明的朋友,他知道很多知识,但每当需要使用计算器、搜索引擎或查询最新天气时,却变得像个笨手笨脚的孩子。这正是当前大语言模型(简称LLMs,如ChatGPT这类AI系统)面临的尴尬处境。

  • ToolRL:奖励设计是工具学习所需的全部
    2025-04-23 17:34

    ToolRL:奖励设计是工具学习所需的全部

    想象一下,你拥有一个聪明的助手,它知道很多知识,但在面对需要使用计算器、搜索引擎或查询最新信息时却显得笨手笨脚。这正是当前大语言模型(LLMs)面临的困境。虽然这些模型已经通过监督微调(SFT)学会了使用工具的基本能力,但它们常常在面对复杂或不熟悉的场景时表现不佳。

  • X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御
    2025-04-23 14:08

    X-Teaming:使用自适应多智能体进行多轮越狱攻击和防御

    想象你正在和一个智能助手聊天。如果你直接要求它提供有害信息,它很可能会礼貌拒绝。但如果你通过一系列看似无害的对话,逐步引导它走向你的真实目标呢?这就是当前AI安全领域面临的一个严峻挑战——多轮对话中的安全漏洞。

  • "思考操纵":用外部思考让大型推理模型更高效
    2025-04-22 16:43

    "思考操纵":用外部思考让大型推理模型更高效

    想象你在使用一个非常聪明的AI助手完成一项复杂任务,比如解决一道数学难题。你可能注意到这个助手会花很长时间"思考",一步一步写下大量推理过程,最后才给出答案。虽然这种详细的思考过程确实帮助AI做出了更准确的判断,但同时也带来了一个明显的问题:它太"啰嗦"了,消耗了大量的计算资源和时间。

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