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
这项由Snowflake AI Research发表的研究挑战了传统语言学对大型语言模型的批评,通过引入波兰语言学家Mańczak的理论框架,论证了LLM的成功实际上验证了"频率驱动语言"的观点。研究认为语言本质上是文本总和而非抽象系统,频率是其核心驱动力,为重新理解AI语言能力提供了新视角。
freephdlabor是耶鲁大学团队开发的开源多智能体科研自动化框架,通过创建专业化AI研究团队替代传统单一AI助手的固化工作模式。该框架实现了动态工作流程调整、无损信息传递的工作空间机制,以及人机协作的质量控制系统,能够自主完成从研究构思到论文发表的全流程科研工作,为科研民主化和效率提升提供了革命性解决方案。
德国马普智能系统研究所团队开发出专家混合模型的"即时重新布线"技术,让AI能在使用过程中动态调整专家选择策略。这种方法无需外部数据,仅通过自我分析就能优化性能,在代码生成等任务上提升显著。该技术具有即插即用特性,计算效率高,适应性强,为AI的自我进化能力提供了新思路。
Algoverse AI研究团队提出ERGO系统,通过监测AI对话时的熵值变化来检测模型困惑程度,当不确定性突然升高时自动重置对话内容。该方法在五种主流AI模型的测试中平均性能提升56.6%,显著改善了多轮对话中AI容易"迷路"的问题,为构建更可靠的AI助手提供了新思路。