至顶网软件频道消息:7月28日-29日,主题为“科技·洞见未来”的QingCloud Insight 2017大会将在北京国际饭店-建国国际会议中心举行。届时,青云QingCloud将发布IoT解决方案,包含硬件开发平台、云端接入平台,场景化IoT PaaS平台等重要组件。青云QingCloud运营副总裁林源还将在7月28日下午的分论坛出品“物联网(IoT)黑科技及场景落地实践”专题。
物联网本身并不是一个特别新颖的概念,因被视为第四次科技革命而备受关注。在过去十几年里,物联网一直被热炒,很多IT公司都在不断深入物联网技术和应用开发,政府也将物联网上升到国家战略层面。近年来,随着物联网的落地,他自身的轮廓和印记都清晰起来。
在QingCloud Insight物联网IoT专场,你可以了解南京消防如何借助物联网构建智慧消防火灾预警系统、三里屯太古里如何借助物联网整合会员及停车系统等场景落地实践;也可以亲手编程,用三分钟点亮你物联网世界的第一盏灯;还有支持电信级分布式开源物联网MQTT消息服务、物联网统一在线开发平台等黑科技等你探索。
在这些精彩的场景和应用背后,有着为物联网IoT的发展做出各种贡献的技术大咖。
北京升哲科技有限公司(SENSORO)CEO赵武阳,拥有10余年大数据领域创业经验。曾经创立了两家创业公司(其中之一是原维度数据),为中国11万网站提供数据分析,覆盖了7000万网民,实现最高24小时负载超过28亿PV;同时,拥有2项专利——实时鼠标热力图和人口统计学分析。他将在大会上分享《南京消防如何借助物联网保障60万游客安全》。
秦岳,轻停智能CEO,专注于IoT、智能化、信息化领域十余年,组建、带领团队开拓智能电网、智慧城市、绿色数据中心,智能楼宇等新业务板块。他将在大会上分享《基于EdgeOn IoT PaaS构建智慧停车应用》,商业停车场在不替换任何基础设施的情况如何通过IoT PaaS构建自助式服务体验的智慧停车应用,提升用户停车体验和车场运营效率。
罗未作为wrtnode创始人,致力于物联网新硬件的技术孵化和输出,为全球的各类物联网和新硬件创业者提供研发、工程、供应等服务,是多家创新公司背后的支持者。他将在大会上分享《用云计算方法论提供物联网硬件开发与制造交付基础设施服务》,结合wrtnode团队4年来的经历和产品历练,在传统电子产业开发和交付慢的弊病和痛点下,试图为物联网硬件端的开发供应和制造交付提供一个新的商业模式,而这个新的商业模式是贴身学习云计算商业模式的。
EMQ是在全球物联网市场广泛应用的百万级开源MQTT 消息服务器,是构建大型物联网应用平台的核心设备接入与消息路由组件。EMQ项目采用Apache 2.0开源许可协议,最早于2012年由作者李枫在GitHub创建。李枫,EMQ公司创始人兼CEO,他此次将在大会上分享《EMQ X——千万级分布式物联网连接平台设计》。
此次参与物联网IoT专题论坛分享的还有Ruff CEO 厉暘。Ruff是一个支持JavaScript开发应用的物联网操作系统,使得物联网应用开发更简单高效。厉暘此次演讲的主题是《物联网开发系统在智能工业制造领域的应用》。
想了解更多精彩话题和科技大咖的相关信息,请关注青云QingCloud Insight 2017。7月28日-29日,让我们一起乘云而起,跨越未来之门,聚焦技术和商业,洞悉未来世界。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。