
CNET科技资讯网 8月29日 北京消息(文/齐丰润): 空闲的时间都如何消遣娱乐,相信有一大部分的人都会选择走进电影院,而在选择电影上面,很多观众都会更注重观看体验,所以很多人都会选择3D或IMAX电影进行观赏,不过除了观影体验之外,音效体验却被许多观众忽略了。
对此,数字影院解决方案供应商GDC(环球数码创意科技有限公司)表示,视觉效果要做到身临其境外,音频效果也同样应当做到身临其境,只有当视觉与听觉效果达到一致时,才会为观众带来真正的“身临其境”的感觉。
据相关数据显示,2015年IMAX电影票房较2014年上涨31%,远高于10%的全球电影中票房的增长率。而在中国2015年的IMAX电影票房较2014年增长了53.8%之多。由此可见,在新技术之下,能带来更好观影体验的解决方案,也会受到更多消费者的关注。
在BIRTV 2016(北京国际广播电影电视博览会)上,GDC带来了其沉浸音解决方案。据介绍,该方案由内置DTS:X实时解码功能临境音媒体服务器和数字影院音效处理器组成,兼具灵活的技术适应性与高性价比,并兼容不同的扬声器配置,可以让银幕轻松升级至DTS:X音效配置。
目前,市场中仅有DOLBY Atmos全景声和GDC DTS:X临境音是符合SMPTE-TC-25CSS影院沉浸音标准的沉浸音格式。而相比于竞争对手,虽然DTS:X进入国内市场的时间并不长,但其较低的成本也是一大优势。
GDC中国区市场总监吴晖表示:“打造DTS:X临境音影厅的成本只是DOLBY Atmos全景声影厅的一半左右。一个接近300座的中型影厅,由普通的声音格式升级为DTS:X临境音只需20万,而且用时也非常短。”以北京双井UME影城2号厅为例,只用4个晚上就完成了DTS:X临境音的升级。
同时,GDC方面还表示,只要影院安装了DTS:X临境音系统,即使是只有5.1/7.1环绕声格式的影片,也可以通过GDC的独家技术,将其上变换为沉浸音,不会让DTS:X临境音系统闲置。
在片源问题上GDC告诉我们也无须担心,据官方数据显示,自2015年7月第一部采用DTS:X格式的电影《道士下山》上映以来,在短短的一年时间已有近40部带有DTS:X临境音格式的电影与观众见面,而这其中大部分都是关注的极高的大片作品。
据悉,DTS:X临境音版本的影片制作周期只需2-3天,效率相较于其他方式有了极大的提高,可以完全保证电影的上映时间,让观众可以在第一时间体验到临境音版本的电影作品。
在实际的体验环节中,GDC在真实的影院环境中展示了DTS:X临境音,从现场的实际体验看来,DTS:X临境音相比于一般的音效模式,其在场景的渲染上显得更加丰富,更多的细节以及位置可以在声音中被表现出来。根据我自身的感觉,确实能够体会出与传统音效的不同,环绕感也更明显。
GDC还表示,自2015年推出以来,目前全国已安装及承诺安装GDC沉浸音效解决方案的影院数量已超过300家,并获得了注入如环球影业、派拉蒙影业、中影集团、华谊、乐视等国内外公司的支持。
对此,GDC Technology创始人、主席兼首席执行官张万能博士表示:“DTS:X临境音在GDC Technology历史上具有里程碑意义,也是我们业务增长战略的一个关键点。中国是全球增长最快的电影市场,GDC沉浸音效解决方案的部署将为中国数以万计的影院观众带来身临其境的影院震撼音效,在任何地方都提供更先进的电影娱乐体验,将更多优秀影片带给中国观众,让更多的观众可以亲耳听到电影创作者的创作意图。”
对于许多影院以及观众来说,声音体验相较于视觉体验一直都是出于较受忽视的地位,同时,操作的规范程度等一些问题也都对观众在获取声音体验时起到了不小的影响。张万能在展会上表示:“完美地呈现声轨上的所有细节,才是真正能让人身临其境的沉浸音效。而我们的目标就是让观众不论在何种规模的影厅中,都可以享受更好的音效体验。”
好文章,需要你的鼓励
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。
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。
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。