中国上海 - 2025年3 月 12日--安森美(onsemi,美国纳斯达克股票代号:ON)推出其首款实时、间接飞行时间 (iToF) 传感器Hyperlux™ ID 系列,可对快速移动物体进行高精度长距离测量和三维成像。
Hyperlux ID 系列采用安森美全新专有全局快门像素架构且自带存储,可以捕捉完整场景,同时实时进行深度测量。这种创新方法突破标准 iToF 传感器的局限性,实现最远 30 米的深度感知,是标准 iToF 传感器的四倍,而且外形尺寸更小。 此外,该传感器系列还能同时生成黑白图像和深度信息。 通过结合这两种输出,该传感器系列可以提供全面的环境视图,而无需为视觉和深度数据分别配置传感器。
因此,Hyperlux ID 系列实现了简化设计和业内领先的超深度感知能力,能在动态场景条件下工作以及捕捉快速移动物体,这在以前都是无法实现的。
随着自动化和机器人技术在工业领域的广泛应用,快速且高效地获取高精度深度信息对于提升在复杂环境中的生产效率和安全性变得至关重要。然而,到目前为止,iToF传感器由于测距范围有限、在恶劣光照条件下性能不佳且无法对移动物体计算深度,其应用受到了限制。
由于能够对移动物体和高分辨率图像进行精确测量,Hyperlux ID 系列将有助于减少错误和停机时间,优化制造系统的流程,从而降低运营成本。 此外,Hyperlux ID 系列还适用于面部识别、手势检测和 3D 视讯会议等消费应用场景。
Hyperlux ID 系列非常适合用于广泛的工业环境,例如:
• 自动化与机器人:通过检测物体以实现更好的导航和避障,从而提高工厂车间的安全性。
• 制造与质量控制:通过测量物体的体积和形状、检测缺陷,确保产品符合质量标准。
• 物流与物料处理:通过测量托盘和货物的位置、尺寸及货物比例,以优化仓储管理和运输流程。
• 农业与种植:通过测量植物高度、检测疾病以及优化灌溉和施肥过程,来监测作物生长和健康状况。
• 访问控制系统:为支付终端、家庭和商业入口系统等提供高精细、高准确度的面部识别。
Hyperlux ID 传感器系列融合了全局快门架构和iToF技术,实现精确且快速的深度感知。iToF技术通过测量从一个或多个垂直腔面发射激光器(VCSEL)发出的反射光的相移来感知深度。专有的像素架构使传感器能够在一次曝光中同时捕获并存储四种不同的光相位,即时捕捉完整场景并提高深度测量的准确性。此外,全局快门技术将所有传感器像素与VCSEL同步,从而显著减少来自其他光源的环境红外噪声。自带的深度处理功能还可输出实时结果,而无需昂贵的外部存储器和高性能处理器。
“Hyperlux ID 系列不仅具备比市场上其他iToF传感器更高的分辨率和更好的环境光抑制能力,其集成处理功能也给我们留下了深刻印象。该功能可高速生成深度、置信度和强度图,使其特别适合捕捉移动物体。” IDS Imaging Development Systems董事总经理Alexander Lewinsky表示,“得益于与安森美的紧密合作,我们能够非常迅速地开发并扩展我们的3D相机系列,推出了一款高性价比的飞行时间相机,大规模用于室内和室外应用。”
Hyperlux ID 系列包括120 万像素全局快门、3.5µm背照式(BSI)像素传感器。AF0130型号还自带处理功能,令集成更简单并降低系统成本。对于那些希望集成自有深度检测算法的客户可以选用AF0131,为他们的系统增加了更大的灵活性。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。