VRChat火了,但VR社交还没迎来最好的时代

640?wx_fmt=gif
640?wx_fmt=jpeg

谁也没想到,VR社交是通过视频博主在中国火起来的。

九月份微博上一位二次元领域博主发布了一段视频,内容是在一款名为《VRChat》的游戏中,两名外国人莫名其妙地用中文交流起来。通过后续的几段视频的发布,不仅很多人认识到了这款游戏,甚至连视频中的两位国际友人都成了网红。

在2018年,谷歌和Facebook都曾经重点提出过“VR社交”的概念,人们在虚拟世界中拥有自己的形象、可以与陌生人彼此沟通交流。而VRChat几乎完美贴合了这一概念,在这款游戏中,玩家可以拥有自己的形象、设计自己的房间、在公共广场上与世界各地的人交流,还可以在游戏模块中和朋友一起看电影、打保龄球。今年年初数据显示,VRChat用户量已经达到了400万,并在最近拿到了1000万美元的C轮融资。除了VRChat以外,Somnium Space、Rec room等等几款主打VR社交的产品也都在今年获得了融资。

在5G重新唤起VR热情的今天,VR社交会是一个适合的切入点吗?

虚拟身份的致命吸引,

是VR社交的美丽错觉

想要弄明白这一问题,不妨从VRChat这一经典样本说开去。

和大多数VR社交游戏一样,VRChat的重点在于营造一个虚拟空间,人们可以有自己的虚拟形象、虚拟房间,和朋友一起虚拟的广场上聊天、打一场虚拟保龄球或在虚拟电影院里和朋友一起看一场电影。其实大多数VR社交产品的逻辑都是这样,以虚拟的个人形象将社交、影音内容和各种VR小游戏串联在一起。

640?wx_fmt=png

但VRChat火热的一个重要原因,是与很多VR产品不同,VRChat允许玩家自己创建模型导入游戏中,使这款游戏更具创造性、自由度也更高。于是我们可以在游戏中看到各种制片人形象的VR化,比起其他游戏手动捏脸还要花钱买外观模式有趣多了。同时在VRChat上人们还可以发现一个有趣的现象,在VR社交游戏中,用户似乎对游戏环节兴趣不大,影院、保龄球等模块的使用率远低于公共广场和用户。这其中的原因或许在于,数据显示,VRChat的400万用户中,只有30%的VR用户。也就是说对于大多数用户而言,虚拟保龄球或虚拟电影院的功能并没有什么用处。大家喜欢的只是用各种素材装扮房间,创立属于自己的虚拟形象。

果然最后又回到那句老话,和曾经“脸萌”以及近年ZEPETO的火热一样,说到底你们就是喜欢QQ秀罢了。

640?wx_fmt=png

从1978年BBS第一次出现开始,“虚拟身份”就成为了互联网社交中的一个重要组成部分。一开始,人们用一串字符表达身份。在街机游戏中,玩家拼命打破纪录就是为了让自己的名称代号登陆在排行榜上。随着90年带来到,计算机在图像表达上开始不断进步。我们的虚拟形象从各式各样的头像,发展到了QQ秀那样高度创造性并且创造出巨大收益的模式。

直到今天,虚拟身份仍然让人们痴迷,最典型的案例就是热门游戏Fortnite推出的付费外观定制服务,外观的穿戴不会给玩家任何数值上的增益,但每月会为Fortnite带来2-3亿美元收益。

从主菜到调味品,

VR社交的黄金时代何时来临?

但同时我们也能注意到,虚拟身份从来不是互联网产品中的主菜,而是论坛、通讯工具、游戏中的调味剂。至于脸萌、ZEPETO等单纯提供虚拟身份形象的产品,通常生命周期较短,火一阵就过了。

这也是为什么,VR社交游戏本身很难成为VR设备售卖的撬动力量。在各种社交产品已经发展的相当完备的今天,创立一个新的社交平台已经实属困难,更不用提想用这一平台撬动动辄几百上千元的硬件设备销售。换句话说,VR作为一种全新的计算机视觉升级,一定会带来虚拟形象的进一步发展。但想要单纯凭借VR虚拟形象打造社交产品,乃至撬动整个VR市场,恐怕就有些困难了。

而VR社交的真正繁荣,很可能会在以下两个节点出现。

首先,那些已经成熟的社交平台正在着手推动硬件的普及与变革。今年九月,马克·扎克伯格在接受海外媒体采访时提到,明年Facebook的VR社交平台Horizon将会上线,同时Facebook也会继续推动Oculus的廉价化的轻便化。社交产品自身带来的巨大流量和病毒效应,加上社交平台与虚拟形象天然的契合。以VR的形式展示虚拟形象,以及以VR形式制作社交媒体上的内容,才能让VR社交言之有物,并使其成为推动VR设备普及的关键齿轮。

同时在VR游戏平台化的过程中,VR社交也将成为其中的润滑剂。

640?wx_fmt=png

其实目前在VRChat、Sansar等等VR社交产品中,已经出现游戏平台化的趋势,这些产品以社交和虚拟形象为锁链,串联起种种VR小游戏。正如前文所说,或许是因为游戏本身不够有趣,导致大部分用户仅仅被虚拟形象吸引。但IDC数据显示,去年一年中200美金以上的VR设备销量增长达到了60%。可见相比普通的VR社交产品,真正精心制作的VR游戏对于用户是拥有足够吸引力的。很多游戏厂商,例如任天堂,都会在平台中提供社交模块,帮助用户互相联系组队、分享截图等等。同样的模式自然也会出现在VR游戏厂商中,尤其以当前VR游戏体验极度依赖高端设备的情况,未来很有可能出现的情况是用户需要像去网吧一样去线下VR游乐馆体验VR游戏。这种前提之下,建立社交平台不但可以增强黏性,也能增强VR游戏的终端跨越性,实现“高端商用设备打副本,低端家用设备做日常”的模式。

总之在VR社交恐怕还是要作为传统社交平台或游戏、影音内容平台的附属存在,很难独立对市场形成足够影响力。

今天的VR社交,

究竟要如何延续生命力?

但尽管如此,VR社交平台正在收拢资金的现实已经发生,这些陆续拿到融资的VR社交平台究竟会怎样发展?又该如何跳出脸萌、ZEPETO的怪圈,使自己的价值得以延伸呢?

如果参考以往曾经发生的硬件更迭,我们推断出以下几个答案。

第一是快速VR商店化。

VR社交产品本身可能难以形成长效的吸引力,但是毫无疑问这些产品正在吸引着海量的VR用户,或对VR产品感兴趣的用户。对于这些可能注定“短命”的产品来说,借助流量优势快速开启向其他VR娱乐产品的导流业务,或许是一条不错的出路。

第二是打造出低参与门槛的VR内容。

新的社交媒体平台,往往带来的是新的内容形式。图片社交、短视频社交、直播社交等等新的社交模式,背后都是新内容介质的出现。但目前VR内容的制作还处在单向阶段,只有厂商向用户兜售内容,缺乏用户参与。VR社交真正火热的节点,很可能出现在VR内容制作门槛降低的时候。用户们在VR社交平台上可以向朋友发送一张VR画作,或是有自己虚拟形象出现的VR视频,才能在“社交”这一行为中真正凸显VR的重要性。

最后是向开发平台进军。

从VRChat的火热中就能发现,用户对于VR的热情不仅仅来自于体验,更多的还有参与和创造。以VRChat将简单的Unity编程融入产品中为例,未来在产品中加入简单的开发元素,如同“马里奥制造”一样让用户能够创造自己的VR体验,或许是延续热情的方式之一。同时有了群众智慧的参与,也能为平台提供持续的吸引力。例如VRChat上就有用户创造了一个名为Battle of Camlann的房间,让用户在其中感受“断头台”的VR效果,新鲜刺激的体验让整个平台都获得了不少关注。

640?wx_fmt=png

在VR进入人们生活的过程中,VR社交的“过热”或许是一种必经阶段。今天吸引目光的VRChat,在明天或许又会被另一款VR产品替代。社交是生活本身的映射,或许只有当VR在我们的生活中有了足够多的参与,才能让VR社交真正扛过高烧,成为常态。

640?wx_fmt=jpeg

640?wx_fmt=jpeg

640?wx_fmt=gif

640?wx_fmt=jpeg

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值