音视频技术开发周刊 | 315

原创
2023/10/15 10:01
阅读数 41

每周一期,纵览音视频技术领域的干货。

新闻投稿:contribute@livevideostack.com。




OpenAI科学家最新演讲:GPT-4即将超越拐点,1000倍性能必定涌现!

GPT-4参数规模扩大1000倍,如何实现?OpenAI科学家最新演讲,从第一性原理出发,探讨了2023年大模型发展现状。

PS+AI生图一步完成,效果惊人!Adobe Firefly 2重磅更新:模型全面升级,矢量图完美支持

Adobe的AIGC生图平台Firefly最近升级为Firefly 2,提升了图像质量、引入了矢量图生成功能,并增加了多项新功能,极大改善了用户体验,为创作和设计工作提供更出色的工具。


生成式AI全球投融资220亿美元,美国占比89%!OpenAI贡献超60%,中国AI芯片投融资世界第一,超美国两倍

美国在这次生成式人工智能的热浪中独占鳌头,获得了全球投融资的89%,但在AI芯片的投融资中,中国领先世界。


微软OpenAI联手围剿英伟达,首款自研AI芯片下月发布!

一家独大的英伟达,把微软和OpenAI都逼得亲自下场造芯片了。也许AI芯片大战才刚刚拉开帷幕。



GPT-4推理更像人了!中国科学院提出「思维传播」,类比思考完胜CoT,即插即用

大模型推理难题攻克了?中国科学院联手耶鲁大学的研究人员提出了全新框架「思维传播」,让大模型能够像人类一样类比思考。


文生3D模型大突破!MVDream重磅来袭,一句话生成超逼真三维模型

文生3D模型进步!分数蒸馏采样下的MVDream,真的有这么神奇吗?真的有。


CMU华人打破大模型黑盒,Llama 2撒谎被一眼看穿!脑电波惨遭曝光,LLM矩阵全破解

大语言模型黑盒,居然被CMU等机构的学者打破了?他们发现,LLM内部有可解释的表征,如果撒谎,还能被测谎仪检测出来!


打破大模型黑盒,彻底分解神经元!OpenAI对头Anthropic击破AI不可解释性障碍

距离破解大模型「黑箱」难题又近了一步!近日,来自Anthropic的研究团队通过采用稀疏自动编码器的弱字典学习算法,从512个神经元中提取出来了4000多个可解释特征。



清华阿里等发布PoSynDA: 多假设姿态合成域自适应的鲁棒3D人体姿态估计

由于目标域训练集中2D - 3D姿态对的稀缺性,目前的3D人体姿态估计器在适应新数据集方面面临挑战。为了克服这个问题,我们提出了多假设位姿合成域适应( PoSynDA )框架,该框架不需要大量的目标域注释。PoSynDA利用以扩散为中心的结构,模拟了目标域中的三维姿态分布,填补了数据多样性的空白。


德国马普所最新开源!神经规范场: 渲染引导空间规范变换

近期,神经场(Neural Fields)领域的巨大进展,已经显著推动了神经场景表示和神经渲染的发展。为了提高3D场景的计算效率和渲染质量,一个常见的范式是将3D坐标系统映射到另一种测量系统,例如2D流形和哈希表,以建模神经场。本文将这种坐标或者测量系统的转换定义为“规范变换”(gauge transformation)。这种规范变换通常采用预定义的函数,例如EG3D中的垂直投影和Instant-NGP中的空间哈希函数。然而,这种预先定义的函数往往并非最优选择,所以一个很自然的问题浮现出来:是否能以端到端的方式直接学习规范变换,让它与神经场一同进行优化?本研究将此问题拓展为一个广义的范式,包括连续型和离散型规范变换,并设计了统一的学习框架以共同优化规范变换和神经场。


威斯康星大学发布|利用瞬态直方图释放接近传感器的性能

本文提供了利用一类近距离飞行时间 (ToF) 距离传感器捕获的瞬态直方图来恢复平面场景几何形状的方法。瞬态直方图是一维时间波形,对入射到 ToF 传感器上的光子的到达时间进行编码。通常,传感器使用专有算法处理瞬态直方图以产生距离估计,这通常用于多种机器人应用。


巴斯大学发布:运动目标轨迹预测的视觉SLAM

视觉同时定位与建图( Simultaneous Localization and Mapping,SLAM )由于能够单独使用视觉数据估计相机轨迹并创建环境地图,近年来受到了极大的关注,为自动驾驶应用做出了巨大贡献,特别是在有移动人群和车辆的现实场景中。在这项工作中,本文提出了一个融合移动对象轨迹跟踪和预测的视觉SLAM系统。



独家:国产“Vision Pro”来袭,头显的Turn-key时刻即将到来?

随着Vision Pro的发布,市场上最为兴奋的或许有两拨人:一波是VR/AR从业者以及发烧友,另外还有一波则是摩拳擦掌随时准备对产品进行开模打样的“华强北们”。


微信内测版适配Vision Pro;Meta推出企业级头显服务

据 IT 之家消息,10 月 8 日微信发布了 iOS 8.0.43 内测版更新,虽仅显示“bug fixed”看似微不足道的更新,但其内部却包含了不少界面的调整和细节优化。


升级混合现实体验!Meta Quest 3 MR功能的方方面面

随着Meta Connect大会的召开,下一代头显Quest 3也已经确定将于10月10日正式发布,定价499美元起。除了性能上的升级以外,混合现实是官方反复重点强调的功能,它可以令虚拟内容与物理世界无缝融合,同时让用户以丰富的色彩自然直观地观看和交互。



VoiceFlow:高效的文本到语音与纠偏匹配

Rectified Flow Matching 语音合成,上海交大开源。

https://arxiv.org/abs/2309.05027


NeurIPS 2023丨说话人识别:语音解耦与自监督

该研究由新加坡国家科技局(A⋆STAR)、新加坡国立大学、香港理工大学和香港中文大学(深圳)的研究人员共同完成。该项工作已被NeurIPS 2023(main track)接收。


单通道语音唤醒与语音增强结合时的性能变化

单通道语音唤醒常应用于TWS耳机、智能手表等边缘设备上,作为语音助手的“守门员”。各信噪比下的唤醒率、每日误唤醒、唤醒延迟、模型参/算量是衡量语音唤醒算法性能的若干关键指标。低信噪比下唤醒率低,一直是语音唤醒的应用痛点和技术难点。


专业音视频领域中,Pro AV的崛起之路

在技术进步的加持下,AV行业发展得如何了?本文采访了两位深耕于广播电视行业的技术人,为我们介绍了专业音视频的进展:一位冉冉升起的新星:Pro AV以及FPGA在其中发挥的作用。



自适应流媒体智能传输优化研究

在视频流量爆发式增长的当下,面对多用户多场景的网络挑战,如何降低卡顿、提升用户体验是流媒体传输研究的关键。LiveVideoStackCon 2023上海站邀请到了清华大学博士黄天驰,为大家分享自适应流媒体智能传输优化研究进展。


云化XR和沉浸式全息交互技术的探索与思考

计算机图形与仿真技术的发展为人类带来了众多的沉浸式技术。虚拟现实(VR)、增强现实(AR)、混合现实(MR)等技术通过不同程度数字信息与现实环境的融合,为用户带来了全新体验,而统括三者的扩展现实(XR)更强调虚拟世界与现实世界的弥合,缩小人们、信息和体验之间的距离壁垒。LiveVideoStackCon 2023 上海站邀请了来自北京邮电大学的黄亚坤,为大家分享学术界关于云化XR和沉浸式全息交互技术的探索与思考 。


深度神经网络压缩与加速技术

深度神经网络是深度学习的一种框架,它是一种具备至少一个隐层的神经网络。与浅层神经网络类似,深度神经网络也能够为复杂非线性系统提供建模,但多出的层次为模型提供了更高的抽象层次,因而提高了模型的能力。深度神经网络是一种判别模型,可以使用反向传播算法进行训练。随着深度神经网络使用的越来越多,相应的压缩和加速技术也孕育而生。LiveVideoStackCon 2023上海站邀请到了胡浩基教授为我们分享他们实验室的一些实践。


挑战十万在播--直播全量在播分发系统

先说明下什么叫“全量在播”,指的是直播范围内,当前所有在线主播的信息,尤其是主播的房间id和uid,对于很多上游业务来说,是必要的数据,是业务逻辑的数据基础。直播之前虽然有一套这样的系统,但是从目前运行状态看并不能面向更高体量业务支撑,而且线上也因为这种过时的在播架构工作异常发生过几次线上事故。所以正如一本书所讲,如果不杀死任何系统,你会被僵尸包围。对于这种遗留系统需要做面向未来目标的设计。



75岁Hinton再次警告:AI可能会接管人类!

最近,Hinton在采访中谈论了人工智能存在的各种安全隐患,担忧人类将会被其接管。


【行业分析】中美半导体产业脱钩趋势下的影响研判和应对建议

半导体产业链供应链博弈正在成为中美竞争博弈的主战场,美国加速对华脱钩、重振自身半导体产业的战略轮廓逐渐清晰,同时美国对华实施以半导体为核心的科技战将呈现长期性、谋划性和加剧性的发展趋势。为此,中国必须做好打“持久战”的战略准备。本文将主要分析当前美方强推对华半导体“断链脱钩”的主要态势,研判其对全球半导体产业、技术创新、景气周期、区域布局等多个维度产生的变化和影响,并从加强保供韧链、加快创新提级、加速市场共享、加紧造船出海等四方面对我国半导体产业提出应对建议。



联丰迅声完成千万元Pre-A+轮融资

西安联丰迅声信息科技有限责任公司(以下简称“联丰迅声”)宣布完成千万级Pre-A+轮融资,本轮领投方为西安市人才基金。本轮融资资金将主要用于新产品技术研发、国内外销售团队扩充,以及生产测试线的建立等业务方向。


从ToC到ToB,MR头显Lynx-R1提价450美元至1300美元

随着目标市场的再次转变,法国硬件初创公司Lynx宣布MR头显R1将从原来的850美元提高到1300美元。


2023年9月半导体行业媒体传播报告:创芯片行业年内全球最大规模IPO,Arm纳斯达克上市!

国内方面,中国企业在光通信和存储芯片等领域份额上升,显示行业正稳步发展,但也面临产能过剩和价格战压力,企业致力产业升级。



限时优惠最后1天!


时隔四年再次相聚,机会难得,不容错过。
11月24日至25日,LiveVideoStackCon 2023深圳站,期待与您共享此次音视频技术盛会,门票限时9折优惠最后1天倒计时,抓紧报名啦!

时间:2023年11月24日-25日
●地点:深圳圣淘沙酒店(翡翠店)
●咨询:13520771810(微信同号)了解详情。
●官方链接:
https://sz2023.livevideostack.com/topics


ADM活动推荐
10月19日,14:00-16:30,AMD特邀生态合作伙伴的音视频技术专家,共同举行专业音视频技术与方案的在线专场研讨会,探讨音视频技术的应用方向,展望新兴音视频技术所带来的全新视听享受。

参与本次研讨会,您将全方位地了解 AMD 为专业音视频及广播应用提供的广泛的方案和平台。无论是 FPGA、自适应 SoC,还是配备集成型 H.264/H.265 视频编解码器单元的 MPSoC …… AMD 均可提供理想的低时延 、高质量的音视频处理平台。与此同时,我们还邀请到了来自北格逻辑、赛因铸声场、伟乐科技、千视电子等合作伙伴,与大家分享在专业音视频领域的最新应用方案和IP。

预约观看链接:https://app.ma.scrmtech.com/meetings-api/sapIndex/SapSourceData?pf_uid=10980_1464&sid=82429&source=2&pf_type=3&channel_id=38863&channel_name=LVS&tag_id=06ed6279083a57fd


点击阅读原文 

跳转LiveVideoStackCon 2023 深圳站 官网,了解更多信息


本文分享自微信公众号 - LiveVideoStack(livevideostack)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
打赏
0 评论
0 收藏
0
分享
返回顶部
顶部