AR热度不在? NO! 三星开发者大会将聚焦AR

目前,IT界普遍关注人工智能、大数据、云计算、AR以及区块链等技术,而这些技术中,AR早在1990年被提出,是一种实时地计算摄影机影像的位置及角度并加上相应图像、视频、3D模型的技术,这种技术的目标是在屏幕上把虚拟世界套在现实世界并进行互动。


AR的炫酷体验与厂商的全情投入


然而,在现实生活中,我们能够接触到的增强现实技术,恐怕只有AR眼镜被大家熟知和接受,2012年谷歌发布Project Glass,这款可以通过声音控制拍照、视频通话或者提供导航,处理文字信息和邮件的充满科幻风格的产品横空出世。但是三年后谷歌还是停止了这一项目的ToC业务,终其原因则是这一看似炫酷的体验,在实际应用场景中并不是大众消费的刚需。


640?wx_fmt=jpeg


转眼数十年过去,AR技术经过一轮又一轮的更新迭代,从B端市场入口,不断提升行业体验和效率,并在AR云服务方向的投入,让我们看到了各巨头在面对这块蛋糕时的垂帘。已经成功举办第六年的三星开发者大会如期而至,此次大会的重点将放在语音和人工智能(AI)上。但除了语音,该公司还将聚焦于另一项新兴技术:增强现实(AR)。


三星聚焦AR 不局限于智能手机 


作为全球最大的消费电子巨头,涉及电子、金融、机械、化学等众多领域,然而对于消费者来说,其智能手机是我们最为熟悉的三星产品,但作为产业链上游的跨国集团,三星的布局绝不局限于智能手机。尽管三星并不是第一次涉足AR领域,但是本次对于云服务的投入的关注度比以往更大,从大会安排的主题内容可见一斑。


640?wx_fmt=jpeg


就AR相关主题内容,大会共安排了6场,其中一个主题内容承诺帮助与会人士成为“一名AR开发者超级明星”,其中2个主题内容详细介绍了如何为三星智能手机创建AR emoji。并着重介绍更加尖端的AR开发项目,其中包括从Samsung Next孵化器中悄悄诞生的AR云项目——Project Whare。


640?wx_fmt=jpeg


尽管Project Whare可以帮助开发者为手机应用创造更加持久的AR体验,但是显然三星已经不再局限于智能手机方面的部署,此外大会上还有望展示一款成熟的AR头戴设备。在此之前三星的AR产品大多都是针对消费者的,而AR云服务则是面向开发人员,能让设备及用户跨平台访问共享信息和虚拟资产,打造一个全新的AR内容集合。


大厂为何纷纷发力AR?


尽管2018年AR并没有成为我们期许的新风口,但是各巨头的争相加入,硬件性能的不断提升,使得AR在用户体验上都得到了质的飞跃。


6月份,苹果针对 iOS 11 推出 ARKit 开发平台,通过结合手机摄像头和 SLAM 技术,玩家可实时追踪虚拟物体的位置。随后 iOS 11正式上线,AR 应用成为手机一大特色;8 月份,谷歌推出针对安卓系统的ARCore。越来越多的应用场景,也吸引了更多的AR开发者施展自己的才华。


640?wx_fmt=jpeg


此次,三星开发者大会在工作列表中,将该项目描述成一组“跨平台开发者服务,将为多用户共享AR体验和应用程序提供规模化支持”,旨在“支持新一代增强现实应用程序”。一份工作列表中写道“这个项目将为AR社区的所有开发人员提供一个共享的AR资源全球管理平台”。由此可见,聚焦AR的一大原因是希望利用此次活动发现早期市场信号,获得来自潜在受众和行业的反馈。


从大热到迷茫再到希望,AR也经历过很丧的一段日子, 尽管目前AR的普及度并不高,但随着技术的完善与成熟,以及巨头的纷纷入场,相信未来更多优质的AR产品与体验能够出现,届时我们将会看到AR迎来真正的爆发。



1.微信群:

添加小编微信:color-ld,备注“进群+姓名+公司职位”即可,加入【云计算学习交流群】,和志同道合的朋友们共同打卡学习!


2.征稿:

投稿邮箱:liudan@csdn.net;微信号:tangguoyemeng。请备注投稿+姓名+公司职位。



推荐阅读



640?wx_fmt=jpeg


扫描以下二维码即可参与“2018 年 CSDN 软件开发者大调查活动”!我们还为你准备了精美的礼品,华为 nova3 智能手机、小爱智能音箱、CSDN 背包、CSDN 定制T恤、数百本技术图书等你来拿!参与即有机会获赠,还等什么,快来试试吧!

640?wx_fmt=jpeg


↓↓↓  点击【阅读原文】查看「CSDN云计算」往期精彩内容

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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