至顶网CIO与应用频道 03月16日 北京消息:PTC公司(纳斯达克代码:PTC)近日宣布发表一年两期的《工业创新现状》系列研究报告。该系列报告以PTC客户群的数据为基础,对工业物联网(IoT)和增强现实(AR)技术当前的发展状况及未来的推广计划提供基于数据的客观分析。每份报告都考察了推动这两项技术走向普及的行业、在整个价值链上部署的功能和用例以及带来的业务价值类型。
PTC公司ThingWorx平台执行副总裁Mike Campbell表示:“随着工业物联网和AR的技术和商业模式的不断成熟,其普及度一定会呈现不断上升的趋势。PTC结合了市场经验和海量的普及率数据,能够真正从综合全面的角度考察这些快速演变的市场。”
如“工业物联网现状”和“工业增强现实的现状”报告中所述,工业物联网和AR不再只是值得期待的新兴技术。2018年,投资此类技术已成为很多组织机构的关键战略,尤其是对于涉及复杂的制造和运营流程的行业来说更是如此。在目前已采用工业物联网或AR技术的PTC客户中,已将部署迁移到全规模生产环境或计划在未来12个月内完成迁移的工业物联网用户和AR用户分别占到83%和85%。
报告内容要点包括:
工业物联网现状
工业增强现实的现状
如欲进一步了解工业IoT和AR对行业的影响,请下载《工业物联网现状》和《工业增强现实的现状》报告。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。