
北京时间1月4日消息,虚拟现实是个很现实的问题。虽然多家科技巨头都准备在2016年推出自己的首款虚拟现实头盔,但却没有多少人的硬件可以完全支持Facebook或其他厂商推出的系统。根据全球最大电脑显示芯片制造商英伟达的测算,2016年全球仅有1300万台PC具备足以支持虚拟现实的图形处理能力。而根据市场研究公司Gartner的测算,这些超高端设备在2016年的14.3亿台PC装机量中占比不足1%。
虚拟现实头盔可以提供沉浸式3D体验,为使用者带来身临其境的感受,这类设备有望成为2016年国际消费电子展(以下简称“CES”)的明星产品。这场规模宏大的消费电子展将于1月6日在拉斯维加斯开幕,届时将有40余家参展商展示各种虚拟现实产品,较2015年增长77%。台湾电子设备制造商HTC有望在CES上展示新版Vive头盔,并于今年4月正式上市。Oculus联合创始人帕尔默·拉吉(Palmer Luckey)于12月22日表示,Facebook仍然计划在3月底发布首批虚拟现实产品。
“我认为这项技术拥有巨大的潜力,但我也认为必须对它在短期内的普及速度保持现实的态度。”美国市场研究公司IHS分析师皮尔斯·哈丁-罗斯(Piers Harding-Rolls)说,“考虑到一些大型科技公司对虚拟现实展开的投资,当今的市场热情可以理解。然而,虚拟现实头盔面临着非常具体的挑战。”
IHS估计,2016年底将有700万台虚拟现实头盔投入使用。作为CES的主办方,美国消费电子协会预计,2016年的虚拟现实头盔销量将达到120万台。虽然Oculus VR营收较去年增长6倍,达到5.4亿美元,但却远低于Facebook 2014年收购该公司时花费的20亿美元。
虚拟现实的潜力激发了人们的想象力,也令那些体验过这类产品的人感到惊讶不已。使用者可以在虚拟世界中攀登珠穆朗玛峰,穿越险峻的地势,甚至站在悬崖边缘俯瞰美景,或者在海底观看蓝鲸从身边缓缓游过。
然而,要实现如此逼真的效果,却需要极其强大的硬件支持,而当今的多数电脑都很难满足虚拟现实的硬件需求。Facebook建议Oculus Rift用户使用英伟达GeForce 970或Radeon 290显卡。这两款显卡最低售价都要300美元,几乎与一台Xbox One或PlayStation 4定价相同。显卡本身的价格已经很贵,而Oculus Rift对其他的硬件配置也有要求,包括英特尔i5处理器、8GB以上内存和两个USB 3.0接口。
虚拟现实之所以对处理性能有如此之高的要求,原因不难理解:倘若性能达不到要求,用户体验就会受到影响。早期的虚拟现实原型产品导致很多测试者出现眩晕感,主要是因为屏幕上的画面较用户的动作产生了轻微的延迟。一款标准PC游戏的帧数为30fps。但要实现流畅而自然的动作,让大脑误认为是真实画面,虚拟现实图像就必须同时在两个投影仪中实现90fps的帧数。以目前的市场状况来看,这样的笔记本售价要达到1500美元。
Facebook首先会从游戏玩家入手,这类人群往往会花费不菲的资金来运行最热门的PC游戏。Facebook CEO马克·扎克伯格(Mark Zuckerberg)在去年11月的电话会议上表示,虚拟现实需要等待一段时间才能真正形成趋势。“已经有一些优秀的内容,”他说,“但要等到市面上有数以百万的设备时,才有可能在2016年成为一个巨大的行业。”HTC尚未对此置评。
虽然Oculus Rift和HTC Vive需要强大的PC硬件支持,但并非所有的虚拟现实设备都是这样。例如,索尼虚拟现实头盔是配合PlayStation 4使用的,三星和谷歌的设备则能兼容智能手机。不过,哈丁·罗尔斯表示,这些通过塑料或纸板与手机搭配使用的设备非常原始,可能令用户对这类技术产生反感。“要通过主流产品将用户扩大到早期的游戏玩家之外,还有很多工作要做。”他说。
英伟达预计,虚拟现实将对困境重重的电脑市场形成促进。该公司预计,到2020年,兼容虚拟现实的设备将达到1亿台,而人们对虚拟现实的需求可能有助于提升显示芯片的销量。“沉浸式虚拟现实需要的图形处理能力是传统3D应用和游戏的7倍。”英伟达虚拟现实业务总经理詹森·保罗(Jason Paul)说,“提供虚拟现实内容需要面临复杂的挑战。”
分析师没有考虑虚拟现实给电脑市场带来的巨大提升。IDC预计,2016年的PC销量将连续第6年下滑。
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。