易讯理想科技公司今天发布了国内第一款正式商业化应用的增强现实产品”幻视“,该公司CEO史凌波在发布会上表示:“增强现实不再是多么神秘的技术,技术普通人也能使用‘幻视’,亲身体验甚至制作增强现实内容。”
国内唯一掌握增强现实技术核心算法的团队
众所周知,增强现实技术的关键在于识别图像的核心算法,而这正是易讯理想科技技术团队所主攻的,团队中绝大部分研究人员都相关领域的专家,并且拥有多年海外学习经历,部分还曾经参与过Google Glass项目的研发,积累了大量宝贵的科研经验。团队申请相关专利百余项,除了在视觉识别领域,还在精确图像学习、增强现实、可深度学习的人工智能等多个相关领域也有着深入的研究。这些都为”幻视“产品的诞生打下了坚实的技术基础。
会上易讯理想科技的技术团队向大家分享了一组数据:幻视背后的核心算法,在实际情况下图像识别率达到99.9%,云端内容数据库支持10亿级的目标图像存储,并且单机百万级图像识别率小于0.5s,多项技术指标居世界第一位。
自主内容编辑平台,打造最易用的增强现实工具
强大的技术支持使得”幻视“拥有了其他同类产品不具备的功能,其中云端内容编辑平台便是最大亮点。以往的增强现实产品大多需要专门制作内容,并需要针对不同的目标图片进行算法改动,不但费时、费力、成本高,其使用难度也是普通用户短时间内无法驾驭的,严重限制了增强现实技术的应用。
而本次随着”幻视“一同上线的云端内容编辑平台则具有:自主选择目标图片、简便制作增强现实内容、快速预览发布的强大功能。在发布会现场的体验环节中,上传一张图片到云端编辑系统,仅需要10s左右便可识别,随后借助平台提供的各类素材模块,快速导入视频、3D模型、音乐以及电话号码,点击发布。再使用”幻视“识别目标图片,便可以展现增强现实内容,整个过程不超过5分钟,即便是首次使用的用户也可能快速编辑并发布内容。
“任何一个好的科技产品如果不能服务大众,只存在实验室中或者只有少数人可以使用,那么它就不是一个好的产品。而我们的产品就如同office,简单、易用、方便,未来它将成为一个可以改变我们生活的工具,更多的服务于大众。增强现实也不再是多么神秘的技术,技术普通人也能使用”幻视“,亲身体验甚至制作增强现实内容。”易讯理想CEO史凌波先生举了一个简单的例子。
“互联网+‘幻视’”创造无限可能
开放的云端编辑平台给了更多商家、企业甚至个人用户体验增强现实技术的机会,也让消费者拥有了更多可以获取的内容,其中形成的商业链条不但打通了O2O渠道,更迎合了时下“互联网+”计划的热潮。发布会上,中国中小企业协会副会长李战也表示了对”幻视“前景的展望:“随着李克强总理‘互联网+’计划的提出,一方面传统行业急需像互联网变革,而互联网行业更需要实实在在的落地。
另一方面,更是对技术研发、自主知识产权乃至国家科研实力的挑战。技术上无形的壁垒一直是我们无法打破的,而易讯理想科技自主研发的增项现实技术却直接让我国在视觉识别领域达到世界先进水平,以往别人做我们买,后来别人做我们学,但是现在我们有底气说‘自己做让别人学’,中国制造的标签也不再代表着传统的制造业、快消业,在全球最尖端的科技领域,我们是领跑世界的‘中国制造’”。
在商业化领域,李会长也表示了对”幻视“的信心:“‘互联网+’的‘+’也不仅仅是一个符号,更是代表着现代互联网体系的升级与进化,而”幻视“正是见证这一系列变革的里程碑。中小企协作为中国最大的商业协会,统领超过30万家企业资源,而这些企业将率先试水”幻视“,涵盖婚纱摄影、餐饮娱乐、汽车销售、银行金融、电商、家居乃至教育等多个行业,这个移动互联网时代也更加跟真切的展现在我们眼前。”
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。