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 三星发力增强现实 AR智能隐形眼镜专利获批

三星发力增强现实 AR智能隐形眼镜专利获批

2016-04-12 10:52
分享至:
----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.- ----..---.-...-/--...-.-......./-...-....-..--../-............-.-
2016-04-12 10:52 CNET科技资讯网

CNET科技资讯网 4月12日 国际报道:随着Gear VR的推出,三星成功跻身首批涉足虚拟现实领域的公司行列。如今,这家韩国电子巨头似乎正在进行增强现实技术试验。

三星现已收到一份“智能”隐形眼镜专利权,这项专利最初提交于2014年9月。据Softpedia网站表示,该隐形眼镜将把一个摄像头、运动传感器、发射器和显示装置整合在一起。

内置摄像头 可通过“眨眼”控制眼镜组件

相较于传统的隐形眼镜,三星智能隐形眼镜搭配了一块显示屏,能够将图片直接投影到佩戴者的眼睛上。

该设备将与智能手机配套使用,用户可以佩戴该智能隐形眼镜,通过眨眼向配套手机发送命令,进行相应处理。此外,用户也可以从智能手机向隐形眼镜发送照片和视频,通过隐形眼镜查看。

三星并非唯一

当然,三星并非唯一一个致力于增强现实技术的公司。微软的增强现实设备HoloLens全息眼镜目前已面向开发人员推出,而且谷歌多年来也一直在尝试涉足增强现实领域——其Google Glass项目显而易见。

谷歌已经申请了两项跟智能隐形眼镜相关的专利,不过根据报道,该公司似乎在与瑞士诺华制药公司合作产生更多主打健康的产品。其在智能隐形眼镜专利中提到了柔性电子元件和传感器,可以通过“读取”用户眼中眼泪化学物质来诊断用户是否血糖过高。

还未正式应用到实际产品中

虽然三星已经获得此项专利,但这并不意味着这家公司会即将其应用到实际产品中。我们会经常看到科技公司提交他们正在开发的技术专利申请,但可能这些专利会永远停留在专利文件或实验室中。

随着Oculus Rift和HTC Vive的发布,虚拟现实已然成为2016年的主流,向用户展示着一个全新的世界。而能够为用户在真实视野中叠加提供信息、图片和物体的增强显示技术则还未同步“启程”。

可以预见的是,如果三星将其应用到实际产品中,那么这款隐形眼镜或将成为可穿戴科技市场的新宠。

分享至
0赞

好文章,需要你的鼓励

推荐文章
  • 南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    南方科技大学等机构联手破解AI推理训练难题:让大模型"一次思考"就学会解题

    本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。

  • 香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    香港科技大学数学系研究者:扩散模型原来是一个"魔法恒等式"拆成了两半

    这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。

  • 中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学研究团队打造的"AI科学家":让机器自主完成几十小时的科研工程,它是怎么做到的?

    中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。

  • 字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    字节跳动发布GRN:像人类画家一样"边画边改"的AI图像生成新范式

    这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。

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