ZD至顶网服务器频道 01月05日 编译:英特尔周一在一篇博客里表示正计划收购无人机制造商Ascending Technologies,Ascending Technologies是德国Krailling的一家公司,有75名员工,主打无人驾驶飞机,开发的无人机使用英特尔的RealSense 3-D相机,可以自动检测并避开障碍物。该公司的许多产品用于一些诸如目视检查或三维地图制作的小众市场。
合作伙伴对英特尔的举动叫好,他们表示,Ascending Technologies的产品可能对RealSense摄像头发展至关重要,RealSense摄像头可用于个人电脑,为电脑添加深度跟踪和手势检测应用等功能。
ASI是加州弗里蒙特的一家英特尔系统制造商,该公司的营销副总裁Kent Tibbils表示,“此次收购并不是完全出乎意料以外的。”
Kent表示,“我认为英特尔公司不希望重蹈手机或平板电脑太晚动手的覆辙,所以我见到他们正在像这次一样积极进入新兴市场。英特尔收购Ascending Technologie最终并不是因为要染手无人机销售业务,而是为了更好地了解市场,看看他们的技术在市场的使用量,以不断扩大那些使用或销售英特尔技术的制造商的数量。”
他表示,“如果说这家无人机公司有一些技术是英特尔想用来开发和提高他们的3-D深度摄像头的话,我也不会感到惊奇,这只是英特尔利用技术他用或扩大其他市场的一个例子。无论是因为什么,即便最后的结果不仅理想,对英特尔来说都没有什么风险。”
总部设在加州圣克拉拉的英特尔并没有在关于此次收购的博客文章里透露更多细节,如并无提供时间框架或成本的信息。
英特尔的新技术集团高级副总裁兼总经理Josh Walden在一份声明中表示,“英特尔可以利用Ascending Technologie获取专业知识和技术,以加速英特尔RealSense技术用于快速发展的无人机市场领域的部署。我们计划是Ascending Technologie团队将继续支持现有客户,他们同时与英特尔感知计算团队合作,开发UAV(无人机)技术,使得无人机可以更加了解它们的飞行环境。”
合作伙伴还表示,此次收购除了可以提高英特尔旗下RealSense摄像头技术,还可以令英特尔在竞争激烈的芯片市场提供先机。芯片制造商高通去年也表示要进军无人机市场。
总部设在加州弗里蒙特的系统集成商Bold Data Technology的销售和市场营销主管Andrew Kretzer表示,“此次收购看起来肯定像是一宗奇怪的结合,但英特尔和许多这个行业中的商家(如微软)一样,都在一样想法朝多元化的方向发展,目前的传统硬件销售不太景气。”
据Walden的说法,英特尔将于本周在拉斯维加斯举行的国际消费电子展上提供更多关于收购Ascending Technologie的细节,英特尔首席执行官Brian Krzanich将在周二的国际消费电子展上发表主题演讲。
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。