东京奥运会于7月23日正式开幕,英特尔作为国际奥委会(IOC)的全球顶级合作伙伴,正携手奥运合作伙伴利用英特尔突破性技术助力科技奥运。作为技术领导者,英特尔将最大限度地发挥最新技术的能力,包括5G平台、AI解决方案、沉浸式媒体和IT基础设施等等,为世界各地的运动员、赛事参与者和观众带来创新的体验。
在本届奥运会开幕式中,无人机表演令观众印象深刻。而带来无与伦比视觉奇观的正是来自英特尔的1824架无人机。
其实,从2018年平昌冬奥会开始,英特尔通过加速采用5G、人工智能、沉浸式媒体、无人机等新技术和其他芯片解决方案来提升奥运会的精彩体验。
英特尔在2020年东京奥运会上的技术:
无人机:在2018年平昌冬奥会上1200多架英特尔无人机打造了奥运会历史上首次无人机灯光秀。随后,英特尔® Shooting Star™无人机在日本也提供了无人机灯光秀,包括2018年夏天在长崎的一个娱乐公园的进行的300架规模的和2019年在第46届东京车展的500架无人机灯光秀。
3DAT(3D 运动员追踪):它是一个首创的平台,它将先进的人工智能和计算机视觉运动跟踪能力从实验室带到了赛场上。3DAT通过多个摄像机摄取视频,然后应用姿势估计算法和生物力学算法来提取运动员的三维形态和运动。生成的信息可用于加强广播电视的节目效果,或为运动员训练提供洞察。这些数据还将被整合到奥运会转播中,在7月30日至8月4日的100米、200米、4x100米接力和跨栏运动项目的回放过程中提供叠加的可视化数据。
英特尔® True View:它提供了前所未有的第一个沉浸式体育观赏体验。这是通过在整个会场安装小型高分辨率摄像机以捕捉整个球场上的动作来实现的。其中数据的渲染能够实现360度的回放,并使得对人眼难以判断的动作和场上的违规行为进行详细描述成为可能。英特尔将在15天内拍摄52场比赛,这些比赛将通过各国的奥运会版权持有方进行转播。英特尔®True View技术将部署在7月25日至8月8日的篮球赛事中。
2020年东京奥运会5G项目:与NTT和NTT DoCoMo合作,并由东京奥运会和残奥会组织委员会实施,这一举措将利用5G技术为三个目标场馆的观众和赛事官员提供全新的体育观赏体验。除了利用5G的高速率和大容量进行超高分辨率视频和同步多点视频的直播外,还将有利用低时延的增强现实(AR)观众体验。2020东京奥运会5G项目将部署在游泳(7月25日至27日)、帆船(7月25日至8月4日)和高尔夫赛事(7月25日至8月4日)期间。
2020节拍:它是2020年东京奥运会的官方喝彩节拍。该节拍是作为2020年东京奥运会"Make The Beat!"欢呼喝彩项目的一部分而创建的,以支持鼓舞运动员。观众可通过“2020节拍 ”鼓掌和跳舞,并在社交媒体上发布加油视频,该视频将会展示在比赛场地中。“2020节拍”是使用英特尔的人工智能解决方案创建的。通过在其开发过程中结合多种人工智能技术,英特尔能够缩短学习时间并创造出最佳的音乐组合。
英特尔销售与市场集团副总裁、英特尔奥运项目总经理Rick Echevarria 表示:“英特尔在加速采用新技术方面发挥了关键作用,在整个奥林匹克运动中努力将技术融入奥运会的方方面面--从体育赛事的运作和运动员表现到主办城市基础设施的改善,以及提供数据丰富的观众体验。为奥运会释放的众多创新将最终扩展到奥运会之外,以支持我们更远大的目标。”
好文章,需要你的鼓励
这项研究介绍了VisCoder,一个经过专门微调的大语言模型,用于生成可执行的Python可视化代码。研究团队创建了包含20万样本的VisCode-200K数据集,结合了可执行代码示例和多轮修正对话。在PandasPlotBench基准测试中,VisCoder显著优于同等规模的开源模型,甚至在某些方面超越了GPT-4o-mini。研究还引入了自我调试评估模式,证明了反馈驱动学习对提高代码可执行性和视觉准确性的重要性。
这项研究提出了"适应再连续学习"(ACL)框架,一种创新的方法解决预训练模型在连续学习中的稳定性-可塑性困境。通过在学习新任务前先对模型进行适应性调整,ACL使模型既能更好地学习新知识(提高可塑性),又能保留已有知识(维持稳定性)。实验证明,该框架能显著提升各种连续学习方法的性能,为解决人工智能系统中的"灾难性遗忘"问题提供了有效途径。
这篇研究首次关注了CLIP模型文本编码器的对抗鲁棒性问题,提出了LEAF方法(Levenshtein高效对抗性微调)来增强文本编码器的稳健性。实验表明,LEAF显著提高了模型在面对文本扰动时的性能,在AG-News数据集上将对抗准确率从44.5%提升至63.3%。当集成到Stable Diffusion等文本到图像生成模型中时,LEAF显著提高了对抗噪声下的生成质量;在多模态检索任务中,它平均提高了10个百分点的召回率。此外,LEAF还增强了模型的可解释性,使文本嵌入的反演更加准确。
BenchHub是由韩国KAIST和Yonsei大学研究团队开发的统一评估平台,整合了38个基准中的30万个问题,按技能、学科和目标类型进行精细分类。研究显示现有评估基准存在领域分布偏差,而BenchHub通过自动分类系统和用户友好界面,让用户能根据特定需求筛选评估数据。实验证明模型在不同领域的排名差异巨大,强调了定制化评估的重要性。该平台支持多语言扩展和领域特化,为研究人员和开发者提供了灵活评估大语言模型的强大工具。