MOLAR FRESH 2021年第3期 MolarData人工智能新鲜趣闻，每周五更新。 周一，Facebook首席执行官马克·扎克伯格（Mark Zuckerberg）表示，到2030年，人们可以使用先进的智能眼镜「传送」到其他人的住所，并像在场一样与他们交谈，从而可以将面对面的会议替换为基于耳机的数字体验。 正如扎克伯格周一所言，多年后的终极愿景是一副看似普通的电脑驱动的眼镜，可以通过透明显示屏与现实世界一起显示内容。 扎克伯格表示，AR驱动的 “远程传送 “的一个优势是可以减少旅行或通勤时间。最终，AR可以让工人们住在他们想住的地方，也许是一个较便宜的地区，”基本上是传送到工作地点”，扎克伯格说。 来源：新智元 复旦Nature论文实现《三体》科幻场景：把显示屏穿身上，还能导航、聊天那种 新一期《Nature》杂志刊载了复旦大学高分子科学系教授彭慧胜团队的一项研究成果——《大面积显示织物及其功能集成系统》。 顾名思义，这种织物融合了显示器件的制备与织物编织过程，可以让衣服充当显示器使用，而且可以多次清洗、折叠，有很大的实用价值。审稿人认为，这项研究「创造了重要而有价值的新知识」。 此外，这些 EL 单元不仅具有良好的发光性能，而且在经过 1000 次弯曲（bending）、拉伸（stretching）和按压（pressing）测试后仍能保持亮度稳定。 来源：机器之心 超越最新视频压缩标准H.266，字节跳动编码新技术让视频缩小13% 今年初，字节跳动先进视频团队（AVG）向联合视频专家组 JVET 发起了一项 JVET-U0068 技术提案，可以为视频压缩的三个颜色分量（Y, U, V）分别实现约 10%、28%、28% 的性能增益，这是业界公开的单个智能编码工具的最佳性能增益。在优化压缩质量的同时，视频体积相比 H.266 最新标准至少还可以缩小 13%。就其实际效果而言，如果新技术得以应用，与现在主流的 H.264 标准相比，我们看同样质量的视频，大约只需要 22% 的带宽和存储空间。 这项技术名为 DAM（Deep-filtering with Adaptive Model-selection），它是通过深度学习技术构建减少视频压缩失真的滤波器，主干是基于残差单元堆叠的深度卷积神经网络，辅以自适应模型选择以最大程度适应特性复杂的自然视频。
来源：机器之心 如何对抗不完美世界 ？最新算法帮助AI建立合理怀疑 日前，麻省理工学院航天控制实验室（Aerospace Controls Laboratory）的研究人员开发了一种新的深度学习算法，通过在输入中建立合理 “怀疑” 来帮助计算机适应真实的、不完美的世界。 与监督学习不同，强化学习不需要通过标签将输入与输出相关联，而是通过尝试找到规律，根据结果得到奖励从而强化特定行动。这种方法通常用于训练计算机下棋等游戏。 强化学习主要应用于假设输入为真的情况。迈克尔和他的同事们说，他们是在强化学习中给不确定的对抗性输入带来 “可验证的鲁棒性” 的第一人。 来源：AI科技评论 MIT 计算机科学教授 Erik Demaine 表示：「尽管这些信件很薄且每层之间的缝隙很小，但算法在分离纸张层方面取得了令人印象深刻的成就。」团队利用了完整 3D 几何分析方法，无需信件折痕、词汇数量等任何信息。这种「虚拟展开」的算法能将处于折叠状态和展平状态的信件进行 2D 和 3D 重构，包括信件的书写面和折痕图案。 原创文章，作者：整数智能，如若转载，请注明出处：https://www.agent-universe.cn/2021/03/8454.html扎克伯格AR野心：下个十年，远程「闪现」，不出家门跑到朋友家聊天
该团队使用棉布将发光经纱和导电纬纱编织成了长 6 米、宽 25 厘米的大面积显示织物，其中包含大约 5×10^5 个 EL 单元（electroluminescent unit，电致发光单元）。数据显示，其中 600 个 EL 单元的发光强度的相对偏差在﹣6.3% 和 5.2% 之间，这表示这些纤维非常适合制作大面积的显示织物。
前沿丨不用拆封就能读信？MIT透视技术登上Nature子刊
伦敦玛丽女王大学的 David Mills 与同一高校的 3D X 光成像领域的 Graham Davis 教授一起使用了专门用于牙科的机器来扫描那些密封的信件。高对比度的延时积分 X 射线显微层析产生了高分辨率的容积扫描（volumetric scan）。
Like (0)
