PTC(纳斯达克股票代码:PTC)今天宣布了其Vuforia®增强现实(AR)企业平台 最新增加的内容——Vuforia Engine™ Area Targets产品,该产品是市场上第一款支持沉浸式增强现实(AR)体验的产品,可用于高达30万平方英尺的空间。通过使用Area Targets,工业组织可以在其设施内创建AR界面,让员工更好地与机械互动,并更好地了解环境的利用方式。
借助Matterport、Leica 3D扫描仪以及NavVis室内移动映射系统的支持,Area Targets用户可以生成光电现实、调查级的数字孪生,使他们能够创建面向高级空间计算应用的工厂、购物中心或办公室等空间的数字画布。
作为领先的新兴技术之一,空间计算为数字孪生提供支持,以支持机器和人员的活动以及他们在其中运行的环境。在整个工业企业部署后,空间计算通过AR实现员工之间的无缝互动,让公司实现闭环绩效管理,通过空间分析提高机器学习能力,并优化设计和工厂车间操作。
PTC增强现实执行副总裁兼总经理Mike Campbell表示:“Vuforia Engine Area Targets是针对大型持续AR体验的独一无二的解决方案。无论是用户希望将导航添加到办公大楼中,还是在工厂车间查看情景数据,Area Targets都可以提供方法。我们很高兴能够为PTC的空间计算愿景增加这一关键能力和组成部分。”
Vuforia Engine Area Targets的发布标志着Vuforia提供了第二个在工业环境中以区域目标的形式部署空间计算的产品,第一个是Vuforia Spatial Toolbox™平台。Vuforia AR Enterprise平台结合Vuforia Chalk™、Vuforia Expert Capture™和Vuforia Studio™AR产品,提供一系列强大的产品,让用户能够提高员工安全和效率,改善客户体验并降低成本。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。