跳到主要內容

DeepMind 發布 4D AI 模型 - D4RT


Google DeepMind 團隊發布 D4RT (Dynamic 4D Reconstruction and Tracking) AI 模型，這是一種新的 AI 模型，突破 AI 對原有場景感知限制，它將動態場景重建統一到一個高效的框架中，使其可理解 3D 和 4D。

D4RT 結合了強大的編碼器和輕量級解碼器。編碼器能夠建構豐富的全域視訊理解，解碼器則可並行處理數千個查詢。透過提出具體問題——例如，在目標時間和攝影機視角下識別來源像素的位置——該模型能夠透過單一靈活的介面來高效地解決追蹤、深度估計和姿態估計等各種任務。

D4RT 可處理以下問題：

  • 點追蹤：D4RT 透過查詢像素在不同時間步長中的位置，可以預測其 3D 軌跡。重要的是，即使物體在影片的其他畫面中不可見，模型也能做出預測。
  • 點雲重建：透過凍結時間和相機視角，D4RT 可以直接產生場景的完整 3D 結構，無需額外的步驟，例如單獨的相機估計或逐個影片的迭代優化。
  • 相機姿態估計：透過產生和對齊來自不同視角的同一時刻的 3D 快照，D4RT 可以輕鬆恢復相機的軌跡。

D4RT 的高精度並未以犧牲效率為代價。測試表明，它的速度比之前最先進的技術快 18 倍到 300 倍。例如，D4RT 在單一 TPU 晶片上處理一段一分鐘的影片僅需約五秒鐘。而之前最先進的方法完成同樣的任務可能需要長達十分鐘——速度提升了 120 倍。

下游應用

  • 機器人技術：機器人需要在充滿移動人員和物體的動態環境中導航。 D4RT 可提供安全導航和靈巧操作所需的空間感知能力。
  • 擴增實境（AR）：為了讓AR眼鏡能夠將數位物件疊加到現實世界中，它們需要即時、低延遲地理解場景的幾何形狀。 D4RT的高效性有助於將設備端部署變為現實。
  • 世界模型：透過有效地分離相機運動、物件運動和靜態幾何體，D4RT 使我們離擁有真正的物理現實「世界模型」的人工智慧更近了一步——這是通往通用人工智慧 (AGI) 的必要一步。

D4RT 簡化的架構和新穎的查詢機制使其處於 4D 重建的前沿，效率比以前的方法高出 300 倍——速度足以滿足機器人、擴增實境等領域的即時應用需求。


Picture Source
Google

標籤：

留言

張貼留言

這個網誌中的熱門文章

標普 500 指數和那斯達克指數結束兩週連漲勢頭，人工智慧引發的動盪令科技股承壓

週五美國股市波動劇烈，半導體股在有關 OpenAI ( OPAI.PVT ) IPO 可能推遲的報道出現後回落，這加劇了本週令市場劇烈震蕩的不利因素。 科技股為主的那斯達克指數（^IXIC）下跌 0.2%，而標準普爾 500 指數（^GSPC）小幅下跌，這兩個指數本週分別下跌 超過 4% 和近 2%。 道瓊工業指數（^DJI）科技股佔比較低，跌破橫盤整理線，但周漲幅不到 1%。 蘋果公司（ AAPL）上調 MacBook 和 iPad 價格後，人們越來越擔心記憶體和儲存組件成本飆升可能會衝擊設備製造商。內存晶片製造商美光科技（ MU）亮眼的財報表明，這種成本壓力還將繼續。 同時，《紐約時報》報道稱，OpenAI 正在考慮將其巨額 IPO 推遲到 2027 年，這也抑制了人們對科技股的興趣。 由於市場預期聯準會今年將升息，人工智慧交易已承壓。聯準會首選的通膨指標—個人消費支出指數— —5月份的強勁表現，進一步鞏固了這一預期。 https://kopyai.com/zh-tw/markets/view/type.stock.us/0/165 Picture Source unsplash
張貼留言
閱讀完整內容

西班牙監管機構表示，歐盟數位貨幣監管截止日期不會延長，幣安仍未獲得許可

西班牙最高證券監管機構週五表示，該國不會延長數位貨幣公司根據新規註冊的最後期限——儘管幣安公司正努力完成註冊。 根據歐盟新實施的 MiCA 數位貨幣框架，企業必須在 7 月 1 日前在成員國註冊並繼續營運。如果未能在下週前完成註冊，則將強制停止營業。下週後，歐洲消費者將無法與未經授權的數位貨幣服務提供者進行交易。 全球最大的數位貨幣交易所幣安曾申請在希臘根據《貨幣與公司法》（MiCA）註冊。但先前有報告指出希臘不太可能批准註冊申請，幣安本周宣布撤回在希臘的申請。目前，幣安正尋求在另一個歐盟成員國註冊，但由於下週三截止日期臨近，幣安很可能被迫至少暫時停止在歐洲的業務運作。 根據路透社報道，西班牙國家證券市場委員會主席卡洛斯·聖巴西利奧週五表示，7 月 1 日的最後期限“不會有任何例外或延期”。 聖巴西利奧對幣安等大型數位貨幣平台表示擔憂，這些平台由於缺乏 MiCA 合規性，可能在幾天內關閉。 他說：“我們擔心的是……過渡期的結束將如何展開，以及人們將如何適應新的環境。” 該監管機構補充說，他和一些人正在與尚未獲得牌照的主要數位貨幣公司聯繫，以確保他們制定計劃將客戶資產轉移到其他提供者，並確保投資者的權利。 一旦數位貨幣公司在歐盟國家註冊，其牌照即可「通行」至其他司法管轄區。歐盟成員國在金融監管方面採取了多種不同的方法，從塞浦路斯和馬耳他等較為寬鬆的監管體系，到法國和德國等以監管嚴格著稱的體系，不一而足。 雖然每個歐盟國家處理申請的方式可能各不相同，但所有國家都將執行同一套更廣泛的數位貨幣相關規則。 https://kopyai.com/zh-tw/markets/view/type.stock.us/0/166 Picture Source unsplash
張貼留言
閱讀完整內容

DeepSeek-V3.1 發布，邁向 AI Agent

DeepSeek-V3.1 在 DeepSeek-V3.1-Base 的基礎上進行後訓練，後者基於原始 V3 基礎檢查點，通過兩階段長上下文擴展方法構建，遵循原始 DeepSeek-V3 報告中概述的方法。 DeepSeek 透過收集更多長文件並大幅擴展兩個訓練階段來擴展資料集。32K 擴展階段的標記數量增加了 10 倍，達到 6,300 億個標記，而 128K 擴展階段的標記數量增加了 3.3 倍，達到 2,090 億個標記。此外，DeepSeek-V3.1 使用 UE8M0 FP8 規模資料格式進行訓練，以確保與微尺度資料格式相容。 DeepSeek-V3.1 是一個同時支持思考模式和非思考模式的混合模型。相較於上一版本，本次升級帶來了多個方面的改進： 混合推理：思考與非思考－一個模型，兩種模式 更快的思考：DeepSeek-V3.1-Think 與 DeepSeek-R1-0528 相比，可以在更短的時間內找到答案 更強大的代理商技能：後製訓練可提高工具使用率和多步驟代理任務 DeepSeek-V3.1 模型提升了工具使用、程式碼生成和推理效率，在高難度基準測試中實現了與 DeepSeek-R1 相當的效能，同時響應速度更快。它支援結構化工具呼叫、代碼代理和搜尋代理，適用於研究、編碼和代理工作流程。 工具和代理程式升級 在 SWE / Terminal-Bench 上獲得更好的結果 針對複雜搜尋任務的更強大的多步驟推理 思考效率大幅提升 模型更新 V3.1 基礎：在 V3 基礎上繼續對 840B 個 token 進行預訓練，以進行長上下文擴展 Tokenizer 和聊天範本已更新 - 新的 tokenizer 設定： https://huggingface.co/deepseek-ai/DeepSeek- V3.1/blob/main/tokenizer_config.json V3.1 基礎開源權重： https://huggingface.co/deepseek-ai/DeepSeek-V3.1-Base V3.1 開源權重： https://huggingface.co/deepseek-ai/DeepSeek-V3.1 價格變動 新定價開始及非高峰折扣結束時間為 2025 年 9 月 5 日 16:00（UTC 時間） 在此之前，API 遵循當前定價 ...
張貼留言
閱讀完整內容