搜索[视觉驱动]结果-低调大师优秀个人博客

精选列表

搜索[视觉驱动]，共10000篇文章

如何构建AI驱动型智能服务？

AI驱动型智能服务将学会感知人类身处的周遭环境、根据其以往行动推断个人喜好，并巧妙地通过日常生活对人类加以引导。

2017-08-08

前言：OTT-TV、IPTV在视频大屏化的趋势下火热起来，传统广电、运营商也在时代迅速互联网化的缝隙中找到了转变的节奏，但这似乎并没有减少他们互联网化下的焦虑。在5.17-18的亚太OTT/IPTV行业盛会上广电系大佬们讨论的主题也都围绕着“精细化运营”，可见在视频大屏高清的趋势下，成本的逐年递增是每一个视频企业都不得不面对的现实，无论对于广电新媒体、互联网视频还是直播都是一样的。对于视频企业而言，主要有两大成本构成，一是内容版权，近年各种IP的火热，网络剧的兴起以及国家对于文化版权的进一步重视和政策紧缩都让视频企业更加重视内容版权这一块，内容版权也在这种环境和政策的优势下水涨船高，让视频企业望而生畏而又不得不为。另一个就是带宽成本也就是我们常说的CDN成本，随着视频大屏高清化的发展以及用户越来越精钻的观看体验，带宽的负重也逐年呈指数增长，尤其是直播爆发以来。 2017年亚太OTT/IPTV视频创新论坛——围绕“精细化运营”主题讨论 CDN行业竞争日益激烈，市场格局持续更迭可以说，CDN厂商是万物互联下的最大赢家。但是有机会的地方就会有挑战，CDN在大视频时代赚的满盆钵的同时也经历着白热化的竞争下的行业洗牌。老牌CDN厂商如网宿、蓝汛虽然在整体市场占有量上依然占有着数量上的优势，但是随着BAT及创新型CDN厂商的入局，这种优势也在逐渐减弱。从网宿发布的2016年财报可以看出，这些老牌CDN厂商正在经历一场痛苦的更迭，尤其是在CDN第一次降价之后，CDN市场的格局就再也不是十几年前我卖你就得买的局面了。价格战狼烟四起，是福是祸? 面对激烈的竞争，CDN厂商之间也在不断的调整策略，首当其冲的就是价格战。但据记者的观察，那些靠资金堆砌的恶性价格战并不是市场提倡的，这只会让行业深受其害。唯有靠技术创新让CDN成本降低的技术比拼才是行业的良性竞争。值得一提的是，在2015年被誉为行业黑马的云帆加速，他们就是通过技术创新在成立不到一年的时间在CDN行业占有一席之地的。他们将CDN与P2P巧妙结合，利用二者自身架构的互补性实现了技术创新。而且据悉云帆加速技术团队出身于前快播技术团队，然而快播在P2P上的成就与贡献是视频技术行业顶尖领先的，这也是他们造就现象级产品的法宝之一，在此基础上他们有升级了这个技术研发出无延时P2P，可以将直播延时控制在2s以内。云帆加速将CDN与P2P结合利用二者自身架构的互补性，实现了技术创新经历多次价格拦腰截斩的CDN厂商们也不再是当年那个自视甚高的少年，CDN企业作为服务商的观念也在转变。对于CDN企业而言，带宽量越大利润越大，但是现在CDN厂商却在不断为CDN降价。众所周知，CDN带宽成本随着视频大屏化、高清化逐年指数递增，这对视频企业无疑是巨大的负担。CDN厂商们也洞察到这一点，他们不再是一味的追求高成本、高利润，而是转变思想观念为企业减负。随着互联网高速发展，各种新奇的APP不断涌现，这是一场用户注意力的争夺战，尤其是对视频行业而言。 CDN变革：从产品走向客户作为服务商的CDN行业，在这场互联网化的时代，也不再固步自封，不仅从自身改革，也更加注重企业的体验，更多的从企业所需的角度提供服务。从这一两年的CDN行业发展，我们就可以看出来。 CDN在国内发展的20多年来，大部分采用的都是国外开源系统。而在2015年我们国内出现了完全自主研发的CDN架构系统，是由新型CDN厂商云帆加速研发，这也进一步推动了国内CDN的发展，不再受制于国外开源系统的一些未知因素，便于迅速定位问题所在，大大地节约了时间成本和运维成本。为视频直播行业在技术领域提供一站式解决方案在视频行业带宽成本激增的情况下，上文中提到的CDN+P2P的模式就出现了，目前已经成为CDN主要的运行模式。在国内特殊宽带政策下，它主要是利用了终端用户闲置的上行带宽，就近传输，省时又省力更节省成本，基本上这种模式都能为企业用户节省平均50%的带宽左右。这也是互联网早期的共享因子。在这种共享因子的促进下，2016年共享CDN项目也启动了。这是CDN行业在商业模式上的一次重大创新，将企业用户的闲散带宽资源充分利用，把企业无为的带宽成本重新激活。这无疑给负重前行的视频行业又卸下了一个重磅。但是共享CDN项目在操作上，无疑是需要非常庞大的数据和精确严密的计算来支撑的。我们假设一个理想状态，所有的闲置资源都在线，全国各地大大小小的带宽资源，分秒计算的闲置时段，不可控的突发等，可以想象这究竟是一个多么庞大的工程，实现起来必将经历一些艰辛。但据悉，这个项目的倡导者云帆加速在正式提出共享CDN之前，就已经在小范围内的进行了测试，又经历近一年的实战，目前已经完全媲美主流CDN，共享CDN也必将成为一种趋势。视频大屏化、高清化也是视频行业发展的主流趋势之一，这就对视频码率提出了更高的要求，H.264已经无法满足这种要求，因此号称为1080P而生的H.265编解码技术就应运而生。相比H.264，H.265能够在有限的带宽环境下传输更高质量的视频，而且只用原带宽的一半左右即可播放相同质量的视频。云帆加速国内首推全H.265解决方案目前H.264实时软编已非常成熟，H.265编码对手机计算压力大，无法实时高质量编码，而H.265实时解码并没有CPU瓶颈，云帆加速国内首创H.265和现有H.264相结合的方式，即在推流端依然采用H.264+aac的视音频编码方案，推送高清直播视频流，经云转码平台，同时输出H.264，H.265不同视频流，H.265码流用于Android、iOS、OTT端播放，H.264码流用于flash端和未更新客户端的用户播放。通过一个编、转码过程，将高质量的视频信号在低码流情况下传输，同时还完整保留了高质量画面，在不影响现有h.264系统情况下，完整对接，新老技术相互兼容，对企业来说方便快捷。随着4K、8K的崛起，终端硬件设备的不断升级，相信未来的五年甚至十年，H.265很可能将会成为主流。 CDN厂商们通过一次次的技术升级改变了价格战竞争上的资金劣势，充分发挥技术优势。不仅如此，CDN厂商目前除去本身的专业CDN数据传输之外，还开始为企业主们提供相应的SaaS服务，提供一站式的解决方案。其实，无论是全业务还是针对不同领域，CDN厂商本身就很熟悉他们的每一个服务领域，由CDN来做不同领域的配套解决方案，不仅可以为企业主减少研发成本，也节省了一大笔市场调研成本。尤其对于传统行业转型企业和创业企业来说，就可以把资金充分利用在更擅长的领域和商业模式的探索上。结语：这些都是CDN厂商在日益白热化竞争下的转变，从产品走向用户，从用户体验角度切入产品变革，提升服务。相信结束一个时代的盲目，设身处地从用户角度出发，抓住用户的心才能维持一个行业长久健康的发展，对于每一个行业都是如此。作者：佚名来源：51CTO

2017-07-31

【干货】大数据创新驱动智慧民生

我简单介绍一下自己，我是清华硕士，在美国芝加哥大学读博士，后来在美国微软公司工作几年，主要做广告大数据平台。2012年和我们中心的林辉主任一起创立清华大学苏研院大数据处理中心，主要做央企，国家部委大型中央数据统计，后来做用户端行业大数据。先讲一下大数据爆发原因。实际上数据的问题，包括大数据问题，是一直存在的。为什么最近大数据才在全球非常火爆？这里面我们总结有好几个方面的原因。第一是数据源种类和数量和整个容量在越来越大。现在，我们讲到的像互联网的数据非常大，每天像FACEBOOK，谷歌可能产生几十T，几百T数据，智能传感器，手机，GPS，还有智能电表，物理世界各种采集器也非常多。像手机的话，这是前两年数据，有好几十亿手机在全球。另外一个是科学仪器和医疗仪器产生数据也非常多，这一张图是美国大型强子对撞机，里面的探测器比这个楼都要大，这

2017-04-02

数据驱动的多策略聊天引擎

1. 聊天引擎做什么聊天引擎是一款模拟人类对话或聊天的陪伴产品。接受用户的自然语言输入，返回可解释、承上启下、顺畅的自然语言句子。与问答引擎、专家系统等不同，聊天引擎重点在“侃”，不太关注如何解决用户的实际问题或者执行任务，而是关注如何能与用户进行天南地北的聊天，涉及的话题会很广，但并不需要有精准的答案，重在互动的有效性和可持续性。聊天系统在对儿童和老人的陪伴方面可以起到非常重要的作用，即便在一个以帮助用户解决实际问题或寻找精准答案的个人助手类产品中，具有开放式聊天能力也是至关重要的。这样的聊天能力，可以成为各种信息查询、任务完成等能力之间的润滑剂，很好的改善人机交互过程中的用户体验，增强助理型机器人的人性化和用户粘性。苹果公司于2011年10月随iphone4s一起发布了Siri，轰动一时，重新点燃了人们对语音助理的期望

2016-03-15

《Android深度探索（卷1）：HAL与驱动开发》——6.2节编写Linux驱动程序的步骤

Linux驱动程序的步骤Android深度探索（卷1）：HAL与驱动开发Linux驱动程序与其他类型的Linux程序一样，也有自己的规则。

2017-05-01

半导体晶圆mark点视觉对位的重要性

比如前道的光刻对准、后道的晶圆探测、贴片机贴装、倒装芯片键合、晶圆级封装贴合等都需要视觉对位。

2026-09-20

WeMM-Embedding：微信视觉团队的多模态嵌入模型

WeMM-Embedding 是腾讯微信视觉团队的多模态嵌入模型家族——文本、图像、视频、视觉文档、交错多模态输入，统一成同一个向量表示。

2026-09-15

视觉大模型：为AI装上理解万象的“眼睛”

如果说文本大模型（如GPT）赋予了机器“阅读”的能力，那么视觉大模型（Vision Large Language Model, VLM）则让AI真正拥有了“观察”和“理解”世界的双眼。

2026-09-03

DeepSeek 多模态视觉理解模型上线：Agent 逼近 Opus-4.8

结果 8 月 21 号，DeepSeek 多模态视觉理解模型 V4-Flash-Vision-Exp 直接上线了 API 平台——多模态 Agent 能力逼近 Opus-4.8，价格却按文本价算，一张图最高

2026-08-22

机器视觉系统中搭配工业相机的光源如何选择

在机器视觉系统中，它由进行图像处理的"控制器”和捕捉检测对象的“相机”构成。用人来做比较,这相当于“大脑"和“眼睛”。

2026-08-12

巧用 WorkBuddy 完成视觉方案迭代｜涂鸦插画页面优化实战

最近一直在做个人视觉页面美化升级工作，大量需求涉及插画风格统一、文案微调、画面风格迭代，全程借助 WorkBuddy 辅助落地，分享一套实用工作流程。

2026-07-30

Python PDF 图形绘制教程：如何添加图形、边框和视觉元素

但在生成 PDF 时，仅仅包含文字内容往往不够——许多场景需要在文档中添加视觉元素，例如绘制分隔线、标注矩形区域、添加形状装饰等。

2026-07-29

工业视觉云边协同：网络传输瓶颈与技术选型探讨

工业视觉正从"单机识别"走向"云边协同"。随着5G工厂和工业视觉应用持续落地，越来越多企业采用边缘推理与云端训练结合的架构——轻量推理部署在工厂边缘，复杂训练任务上移至云端GPU集群。

2026-07-29

AnomalyVFM | 视觉基础模型变身零样本异常检测神器

当前最先进的零样本方法主要依赖视觉-语言模型（如CLIP），利用其跨模态的高层概念知识来实现泛化。

2026-07-16

京东开源 JoyAI-VL-Interaction 实时视频视觉语言交互模型

京东于近日开源了实时视频视觉语言交互模型 JoyAI-VL-Interaction。

2026-06-22

蚂蚁数科推出多语种视觉大模型训练框架

根据测试结果，与同等规模的开源模型相比，该框架在主流多语言视觉问答（Multilingual Visual Question Answering， VQA）基准测试中准确率提升了约9.5%，在部分任务中甚至优于

2025-11-04

OpenDataLab 发布文档解析视觉-语言模型 MinerU2.5 技术报告

MinerU2.5是一款12亿参数、面向高分辨率文档解析的解耦视觉-语言模型。官方的Demo也已同步开放，支持在线体验。

2025-09-30

Google 研究：Veo 3 视觉处理能力迎来“GPT-3”时刻

在没有接受专门训练的情况下，该模型能够自动应对多种复杂视觉任务，这种泛化能力标志着AI系统正在从单一功能工具向通用智能助手转变。在图像理解层面，Veo3表现出色。

2025-09-29

百度智能云开源视觉理解模型 Qianfan-VL

百度智能云千帆宣布开源发布全新视觉理解模型——Qianfan-VL。该系列包含3B、8B和70B三个尺寸版本，是面向企业级多模态应用场景，进行了深度优化的视觉理解大模型。

2025-09-23

xAI 的 Grok 聊天机器人支持实时视觉功能

据 Techcrunch 报道，xAI 已为 Grok 聊天机器人增加视觉功能 Grok Vision，帮助用户解答关于摄像头所见内容的问题。

2025-04-23

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。