专为中国计算机视觉市场优化设计, Metavision® EVK5 是一款高速、经济高效、紧凑的评估套件
2023 年 9 月 25 日,中国上海—— 领先的神经拟态视觉传感公司普诺飞思(Prophesee)今日宣布推出高速、经济高效且紧凑的评估套件 (EVK),以满足计算机视觉开发人员想要基于堆栈式事件视觉传感器 IMX646 HD 开发应用的需求。
Prophesee EVK5 HD
该款EVK功能完善,在中国进行设计及制造,并针对中国本地的需求进行了优化,为计算机视觉工程师提供了经充分测试的解决方案,这个方案是实现高效技术入门、快速原型机开发的好帮手。此外,该套件还与 Prophesee 荣获五项大奖的 Metavision® Intelligence 软件兼容,配备技术支持、支持访问知识中心、应用说明、高级文档,以及一个由全球 10,000 多名开发者用户组成的高速发展的社区论坛。
Prophesee 副总裁兼大中华区总经理杨雪飞表示:“这款新的 EVK 能够帮助计算机视觉工程师、集成商和相机制造商们全面、准确地了解这种创新架构的性能优势,并更好地进行应用。EVK5 是我们专为中国市场的需求而定制的,它可以很好地帮助开发人员开始评估事件视觉传感器的性能,包括在各种用例以及一些特定市场的机器视觉系统中。”
堆栈式事件视觉传感器 IMX646 结合了索尼的 CMOS 图像传感器技术与 Prophesee 独特的 Metavision® 事件视觉传感技术,可以在 1K lux 下提供低于 800μs 的延迟输出,动态范围大于 110dB,并且可以在低至 0.08 lux 的低光照条件下运行。该传感器实现了业界最小的*1 4.86μm 像素尺寸,1/2.5-型,约 92 万有效像素。IMX646 具备行业领先的像素间距和 1280 x720 像素的高分辨率,从而成为各种视觉用例的理想选择,包括物联网、监控摄像头、消费类应用等。
新款 EVK5 还配套了 Prophesee Metavision® Intelligence 软件。Metavision® Intelligence 软件是当前业界最全面的事件视觉软件,提供 95 种算法、79 个代码示例和 24 个教程,并由全球开源社区的开发人员不断进行扩展完善,可促进高效的应用开发。其技术广度让开发者们能够快速执行各种设计探索,并可根据特定市场需求,有效整合定制的软件应用。
Prophesee EVK5 HD
关于 EVK5
新款 EVK 采用优质铝合金材质,重量仅 95 克,尺寸为 35x35x35.27 毫米,可安装在空间有限的机器视觉系统中。
该套件由 USB 充电,配套一个 CS 接口镜头、一个 CS 转 M12 转接环、一根 USB-A 转 USB-A 数据线、一个三脚架转接螺母、一根 EVS 触发线,以及一本入门指南。
EVK5 现由 Prophesee 正式提供。
Prophesee EVK5 HD 包装内容
备注:
*1:在堆栈式的基于事件的视觉传感器中,基于索尼研究,截至2021年9月9日。
好文章,需要你的鼓励
来自香港科技大学和MiniMax的研究团队开发了SynLogic,一个可合成35种逻辑推理任务的框架与数据集,填补了AI逻辑训练资源缺口。研究表明,在SynLogic上进行强化学习训练显著提升了模型逻辑推理能力,32B模型在BBEH测试中超越了DeepSeek-R1-Distill模型6个百分点。更值得注意的是,将SynLogic与数学和编程数据混合训练不仅提高了这些领域的学习效率,还增强了模型的泛化能力,表明逻辑推理是构建通用AI推理能力的重要基础。
这项研究揭示了大型语言模型的惊人能力:只需两个特殊训练的向量,冻结的语言模型就能在一次计算中生成数百个准确词汇,而非传统的逐词生成。研究者发现,这种能力要求特定的输入排列方式,且生成速度比自回归方法快约279倍。这一发现不仅展示了语言模型未被充分探索的并行生成潜力,还为快速文本重建开辟了新方向。
腾讯混元团队提出的"ConciseR"是一种通过两阶段强化学习实现大模型简洁推理的新方法。研究遵循"先走后跑"原则,先确保模型具备准确推理能力,再优化输出简洁性。第一阶段通过改进的群体相对策略优化(GRPO++)提升推理能力,第二阶段通过长度感知的群体相对策略优化(L-GRPO)减少输出长度。实验结果显示,该方法在AIME、MATH-500等多个基准测试中既减少了输出长度(平均20%以上),又保持或提高了准确率,展现出高效率-高准确率的理想平衡。
这项由香港科技大学团队开展的研究首次全面评估了压缩对大语言模型Agent能力的影响。研究发现,虽然4位量化能较好地保留工作流生成和工具使用能力(仅下降1%-3%),但在实际应用中性能下降达10%-15%。团队提出的ACBench基准测试横跨工具使用、工作流生成、长文本理解和实际应用四大能力,评估了不同压缩方法对15种模型的影响。结果显示,AWQ量化效果最佳,蒸馏模型在Agent任务上表现不佳,大型模型对压缩更具韧性。研究还提出ERank等创新分析方法,为实际部署提供了切实指导。