至顶网CIO与应用频道 05月07日 北京消息:达索系统(巴黎欧洲证券交易所:#13065, DSY.PA)2019大中华区CATIA Hackathon设计大赛已于近日完美收官。本届大赛于3月29日启动,共有118位选手报名参赛。选手们参与了四轮集中线上授课后,筛选组队并分别在五位设计导师的带领下展开以“未来驾乘体验”为主题的24小时全封闭设计,最终,来自罗冬飞导师团队的设计作品赢得桂冠。本届大赛集结了多位中国极具创造力的汽车领域设计大咖,给予了选手们极具实战性的点评与指导。本次活动也成为推动中国新能源汽车设计水准的一次创新之举,在业内引起了极大的反响,为这一产业的发展步入快车道贡献出一份力量。
本次大赛获胜作品
罗冬飞带领团队赢得桂冠
CATIA Hackathon是一个面向设计师、3D数模设计师及可视化专家的比赛,其理念是用户体验基于3DEXPERIENCE平台的CATIA应用,同时与行业内顶尖的汽车设计师及CATIA技术专家共同探索一种全新的设计方式。CATIA Hackathon大赛此前在米兰成功举办,达索系统第一次将其引入中国。首届大中华区CATIA Hackathon大赛主要专注于未来交通驾乘体验设计,达索系统有幸邀请到了合众汽车设计副总裁常冰、奇点汽车联合创始人兼首席设计师杜宝南、上汽大通副总工程师兼设计中心执行总监黄斌、爱驰汽车副总裁兼设计总监罗冬飞和IDIADA公司设计总监Filipe Braganca作为导师,他们带领着由设计师、3D专家、可视化专家、CATIA Design专家组成的虚拟团队和五组参赛选手进行方案的设计和比赛。
罗冬飞(左二)、黄斌(左三)、Filipe Braganca(左四)、杜宝南(右四)、常冰(右三)与达索系统人员合影
大赛自3月29日启动, 4月19日前所有参赛选手均完成了四场线上培训,充分了解了达索系统CATIA应用的相关使用技巧,同时每个团队也得到了CATIA技术顾问的全程支持。此后,在大赛进程中的每个小节点,都会由导师组织设计评审,并分享干货满满的设计心得,以启发选手们的大胆创意。此次大赛不仅是一次紧凑型的设计项目训练,更是一次设计思维的深度碰撞。
据相关最新数据显示,2019年1至3月我国新能源汽车产销同比增长了102.7%和109.7%。新能源汽车产品正在向设计定制化、功能智能化、开发平台化发展。导师们一致认为,在“设计”这个领域里,新的技术和方法是激发设计创新及解决当前痛点的重要手段。在汽车设计研发过程中,以人为中心的设计、沉浸式的虚拟现实创意设计手段、快速建模及高效设计方案迭代、参数化&交互式细节设计、实时渲染及设计方案展示等这些技术,都是推进设计创新的重要支撑。导师们还表示,在这样一个信息智能的时代,加快学习和掌握高科技设计手段是设计师们重要的必修课,同时要花费大量时间去洞察用户的需求,才能设计出更加精准化、定制化的产品。
达索系统大中华区总裁张鹰表示:“CATIA Hackathon倡导的是一种全新的设计方式,我们很高兴地看到这个项目一经引入中国就受到了业内人士的广泛关注和一致好评。首次大赛聚焦于当下最受关注的新能源汽车产业,达索系统希望通过这一比赛,帮助中国的汽车设计师们突破创意壁垒,助力中国新能源汽车行业提升自主创新能力,加速向数字化和智能化迈进。”
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。