福特发布高分辨率大灯：将可使夜间驾驶变更安全

福特发布高分辨率大灯：将可使夜间驾驶变更安全通过使用复杂的大灯技术在道路上显示图像是我们几年前第一次看到的技术，它是梅赛德斯-奔驰通过DigitalLight展现给大家的一种新技术。然而这种新一代的东西还没有真正进入大众市场的车辆，对此，福特似乎想改变这种状况。福特欧洲公司于当地时间周一发布了其所称的高分辨率大灯。这个想法跟梅赛德斯的“DigitalLight”相同--车辆的大灯将拥有足够的分辨率从而可以以实际显示车辆前方道路上的图像。这跟现代平视显示器形成对比，后者将图像投射到挡风玻璃上。安全是福特高分辨率大灯的主要目标之一。这家公司可以通过将限速或天气信息投射到道路上以确保其司机尽最大努力安全驾驶。另外，它还可以跟汽车的转弯导航系统结合起来以在即将到来的转弯处设置指示并使其更难偏离正道。此外，该系统还可以在道路上显示车辆的宽度，从而确保司机不会试图溜进一个太小的缝隙。效益也会延伸到司机之外。如果车辆停下来，它可以在车前显示人行道，让附近的行人知道过马路是安全的。它还可以在骑自行车的人周围显示一条道路，这样就可以以更安全的方式共享道路。福特欧洲公司在其新闻稿中称，由于该汽车制造商仍在试验这项技术，因此没有宣布这项技术可能出现在哪些量产车上，不过它很可能会率先在欧洲落地。PC版：https://www.cnbeta.com/articles/soft/1304823.htm手机版：https://m.cnbeta.com/view/1304823.htm

巨型星系爆炸高分辨率地图揭示宇宙污染的动力学

巨型星系爆炸高分辨率地图揭示宇宙污染的动力学NGC4383星系正在奇异地演变。气体正以每秒超过200公里的速度从它的核心流出。这种神秘的气体喷发有一个独特的原因：恒星形成。资料来源：ESO/A.Wattsetal.研究人员AdamWatts博士和BarbaraCatinella教授讨论太空中的发现和气体污染问题。资料来源：ICRAR主要作者、西澳大利亚大学国际射电天文研究中心（ICRAR）的亚当-沃茨（AdamWatts）博士说，外流是银河系中心区域强大恒星爆炸的结果，可能会喷射出大量的氢和更重的元素。喷射出的气体质量相当于5000多万个太阳。瓦茨博士说："由于外流很难被探测到，因此人们对外流的物理特性知之甚少。喷射出的气体中含有相当丰富的重元素，这为我们提供了一个独特的视角，观察流出气体中氢和金属之间复杂的混合过程。在这种特殊情况下，我们检测到了氧、氮、硫和许多其他化学元素"。气体外流对于调节星系形成恒星的速度和持续时间至关重要。这些爆炸喷出的气体会污染星系内恒星之间的空间，甚至星系之间的空间，并可能永远漂浮在星系间介质中。高分辨率地图是利用MAUVE勘测的数据绘制的，ICRAR的研究人员BarbaraCatinella教授和LucaCortese教授是这项研究的共同作者。这次观测使用了位于智利北部的欧洲南方天文台甚大望远镜上的MUSE积分场摄谱仪。安装在智利甚大望远镜（VLT）上的MUSE仪器。资料来源：A.Tudorica/ESOCatinella教授说："我们设计MAUVE的目的是研究气体外流等物理过程如何帮助阻止星系中恒星的形成。NGC4383是我们的第一个目标，因为我们怀疑有非常有趣的事情正在发生，但数据超出了我们的预期。我们希望，未来MAUVE的观测能以精致的细节揭示气体外流在局部宇宙中的重要性"。编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1429440.htm手机版：https://m.cnbeta.com.tw/view/1429440.htm

MIT的人工智能模型加快了自动驾驶汽车的高分辨率计算机视觉速度

MIT的人工智能模型加快了自动驾驶汽车的高分辨率计算机视觉速度自动驾驶汽车必须快速、准确地识别所遇到的物体，从停在街角的空转送货车到呼啸驶向十字路口的骑车人。用于高分辨率计算机视觉的机器学习模型可以在边缘设备上实现计算密集型视觉应用，如自动驾驶或医疗图像分割。图为艺术家对自动驾驶技术的诠释。图片来源：麻省理工学院新闻为此，自动驾驶汽车可能会使用强大的计算机视觉模型，对场景高分辨率图像中的每个像素进行分类，这样就不会忽略低质量图像中可能被遮挡的物体。但是，这项被称为语义分割的任务非常复杂，在图像分辨率较高的情况下需要进行大量计算。来自麻省理工学院、麻省理工学院-IBM沃森人工智能实验室和其他机构的研究人员开发出了一种更高效的计算机视觉模型，大大降低了这项任务的计算复杂度。他们的模型可以在硬件资源有限的设备上实时准确地执行语义分割，例如可以让自动驾驶汽车做出瞬间决策的车载计算机。优化实时处理近期最先进的语义分割模型直接学习图像中每对像素之间的相互作用，因此它们的计算量会随着图像分辨率的提高而呈四倍增长。正因为如此，这些模型虽然准确，但速度太慢，无法在传感器或移动电话等边缘设备上实时处理高分辨率图像。麻省理工学院的研究人员为语义分割模型设计了一种新的构建模块，它能实现与这些最先进模型相同的能力，但计算复杂度仅为线性，而且操作具有硬件效率。由此产生了一个用于高分辨率计算机视觉的新模型系列，当部署在移动设备上时，其执行速度比以前的模型快达九倍。重要的是，这一新的模型系列显示出与这些替代模型相同或更高的精度。EfficientViT可使自动驾驶汽车高效地执行语义分割，这是一项高分辨率计算机视觉任务，涉及对场景中的每个像素进行分类，以便汽车能够准确识别物体。图为演示视频中的一张照片，显示了用于物体分类的不同颜色。图片由研究人员提供近距离观察解决方案这项技术不仅能帮助自动驾驶汽车实时做出决策，还能提高其他高分辨率计算机视觉任务的效率，例如医学图像分割。"虽然研究人员使用传统的视觉变换器已经有很长一段时间了，而且它们也取得了令人惊叹的成果，但我们希望人们也能关注这些模型的效率方面。我们的工作表明，大幅减少计算量是有可能的，这样就可以在设备本地进行实时图像分割。"电子工程与计算机科学系（EECS）副教授、麻省理工学院-IBM沃森人工智能实验室（MIT-IBMWatsonAILab）成员、描述新模型的论文的资深作者韩松（音译）说。与他一起撰写论文的还有论文的第一作者、电子工程与计算机科学系研究生蔡涵、浙江大学本科生李俊彦、清华大学本科生胡慕妍以及麻省理工学院-IBM沃森人工智能实验室的主要研究人员甘创。这项研究将在计算机视觉国际会议上发表。简化的解决方案对机器学习模型来说，对可能有数百万像素的高分辨率图像中的每个像素进行分类是一项艰巨的任务。最近，一种被称为视觉转换器的强大新型模型得到了有效应用。变换器最初是为自然语言处理而开发的。在这种情况下，它们将句子中的每个单词编码为一个标记，然后生成一个注意力图谱，该图谱捕捉每个标记与所有其他标记之间的关系。当模型进行预测时，该注意力图有助于理解上下文。使用相同的概念，视觉转换器会将图像分割成像素片，并将每个小片编码为一个标记，然后生成注意力图。在生成这张注意力图时，模型会使用一个相似度函数，直接学习每对像素之间的相互作用。这样，该模型就形成了所谓的全局感受野，这意味着它可以访问图像的所有相关部分。由于高分辨率图像可能包含数百万像素，并分成数千个片段，因此注意力图谱很快就会变得非常庞大。因此，随着图像分辨率的提高，计算量也会呈四倍增长。在名为EfficientViT的新模型系列中，麻省理工学院的研究人员采用了一种更简单的机制来构建注意力图谱--用线性相似函数取代非线性相似函数。因此，他们可以重新安排运算顺序，在不改变功能和丢失全局感受野的情况下减少总计算量。在他们的模型中，预测所需的计算量随着图像分辨率的提高而线性增长。"但天下没有免费的午餐。线性注意力只能捕捉到图像的全局背景，会丢失局部信息，从而使准确性变差，"Han说。为了弥补精度损失，研究人员在模型中加入了两个额外的元素，每个元素只增加少量计算量。其中一个组件可以帮助模型捕捉局部特征的相互作用，减轻线性函数在局部信息提取方面的弱点。第二个元素是实现多尺度学习的模块，帮助模型识别大型和小型物体。蔡涵说："这里最关键的部分是，我们需要仔细平衡性能和效率。"他们设计的EfficientViT采用了硬件友好型架构，因此更容易在不同类型的设备上运行，如VR头显或自动驾驶汽车的边缘计算机。他们的模型还可以应用于其他计算机视觉任务，如图像分类。简化语义分割当他们在用于语义分割的数据集上测试他们的模型时，他们发现该模型在NVIDIA图形处理器（GPU）上的运行速度比其他流行的视觉变换器模型快9倍，而且准确率相同或更高。韩松说："现在，我们可以两全其美，降低运算速度，使其足以在移动和云设备上运行。"在这些成果的基础上，研究人员希望将这项技术应用于加速生成式机器学习模型，例如用于生成新图像的模型。他们还希望继续扩大EfficientViT在其他视觉任务中的应用。AMD公司人工智能算法高级总监LuTian说："韩松教授团队首创的高效变换器模型现已成为检测和分割等各种计算机视觉任务中尖端技术的支柱。他们的研究不仅展示了变换器的效率和能力，还揭示了其在现实世界应用中的巨大潜力，例如提高视频游戏中的图像质量。""模型压缩和轻量级模型设计是实现高效人工智能计算的关键研究课题，尤其是在大型基础模型方面。韩松教授的研究小组在压缩和加速现代深度学习模型，特别是视觉变换器方面取得了显著进展。"甲骨文公司人工智能和机器学习全球副总裁杰伊-杰克逊（JayJackson）补充说，他没有参与这项研究。"甲骨文云计算基础架构一直在支持他的团队推进这项具有影响力的研究，以实现高效、绿色的人工智能。"...PC版：https://www.cnbeta.com.tw/articles/soft/1383321.htm手机版：https://m.cnbeta.com.tw/view/1383321.htm

科学家绘制人类大脑一小部分的高分辨率地图

科学家绘制人类大脑一小部分的高分辨率地图根据发表在《》期刊上的一项研究，哈佛和Google的科学家绘制出人类大脑一小部分的高分辨率3D地图。图谱揭示了脑细胞神经元之间的新连接模式，以及围绕自身形成结的细胞，以及几乎互为镜像的成对神经元。3D地图覆盖了大约一立方毫米的体积，是整个大脑的百万分之一，包含了大约57,000个细胞和1.5亿个突触。它包含了1.4pb的庞大数据。这块大脑碎片取自一名45岁的女性，当时她正在接受治疗癫痫的手术。它来自大脑皮层，这是大脑中负责学习、解决问题和处理感官信号的部分。样品浸泡在防腐剂中，并用重金属染色，使细胞更容易被看到。研究人员将样本切成大约5000片——每片只有34纳米厚——可以用电子显微镜成像。他们建立了AI模型，能将显微镜图像拼接在一起，以3D方式重建整个样本。来源，频道：@kejiqu群组：@kejiquchat

macOS Sequoia系统默认的高分辨率壁纸现在就可以获取

macOSSequoia系统默认的高分辨率壁纸现在就可以获取与Sonoma,Ventura,Monterey和BigSur,类似，macOSSequoia系统也有两款默认的抽象壁纸。这一次，它们类似于你站在高大无比的红杉树旁，当阳光透过树梢时所看到的景色。以下是6400x3552像素的日间版本：这是同样高分辨率的暗色版本：与macOS不同，Windows不支持动态主题切换。不过，你可以使用第三方应用程序（如AutoDarkMode和WinDynamicDesktop）在深色和浅色壁纸之间切换，这些应用程序可在MicrosoftStore免费下载。macOSSequoia目前是开发者预览版。苹果计划在7月发布首个公开测试版，并计划在今年秋季晚些时候全面推广。该操作系统包含一些有趣的新功能，如镜像iPhone屏幕并从Mac控制它的功能、全系统ChatGPT和AppleIntelligence集成（写作工具、图像生成和更丰富的Siri功能）、Mac上的iPhone通知、更好的窗口平铺、新的密码应用、iMessage升级等。如果您愿意冒着风险立即试用macOSSequoia，请访问AppleBeta软件计划官方网站并注册您的Mac，第一个测试版通常会有很多错误，而且很不稳定，因此最好不要在关键任务设备上使用。除了macOSSequoia之外，苹果还发布了iOS18、iPadOS18、watchOS11、新的音频和电视功能，以及将于今年晚些时候推出的其他软件改进。了解更多：https://basicappleguy.com/haberdashery/sequoiawallpaper...PC版：https://www.cnbeta.com.tw/articles/soft/1434347.htm手机版：https://m.cnbeta.com.tw/view/1434347.htm

全新行星雷达系统原型捕捉到了有史以来最高分辨率的月球图像

全新行星雷达系统原型捕捉到了有史以来最高分辨率的月球图像使用两个强大的基于雷达的地面装置，来自国家射电天文台（NRAO）、绿岸天文台（GBO）和雷神情报与空间公司（RIS）的一个联合科学家小组能够展示一种新的、强大的空间观测和探测技术。原型系统提供了令人印象深刻的结果，而且科学家们相信，现在正在设计的全功率系统将为科学研究和其他方面带来更多的能力。该项目在过去几周宣布，该项目采用了一个由RIS设计的低功率雷达发射器，在13.9GHz时输出功率仅700瓦。它在绿岸望远镜（GBT）上进行了测试，该望远镜位于西弗吉尼亚州，是世界上最大的可完全转向的射电望远镜，并瞄准了月球表面。用NRAO位于新墨西哥州的10个无线电天线组成的甚长基线阵列（VLBA）网络接收雷达回波。研究人员说，通过使用比普通微波炉更少的能量，该原型系统能够捕捉到月球表面第谷坑的5米分辨率图像。据GBO和NRAO的雷达部门负责人帕特里克-泰勒说，该图像显示了一个地面观测站前所未有的细节，这是一个以前从未实现过的"惊人"结果。这个原型系统只是一个潜在的地基空间探测新领域的开始。科学家们仍在研究全功率系统的设计，该系统将在Ku波段（13.7GHz）上使用500千瓦，以实现近1000倍的输出功率和"数倍的波形带宽"（600MHz），从而实现更高分辨率的成像能力。研究人员强调了这种系统的实用性，因为天文学家和太空观察者可以使用雷达技术来探测、跟踪和描述可能影响地球的"潜在危险物体"。在早期测试中，该原型能够"锁定距离我们210万公里的小行星"，这是从地球到月球距离的五倍多。有了更高功率的系统，科学家将能够研究更远的物体。当涉及到为可能的撞击准备策略时，"有更多的预警时间就是一切"。该雷达系统对行星科学家也将非常有用，为针对行星和潜伏在我们自己太阳系中的其他物体的天体测量、成像和物理剖析活动提供了实质性的进展。...PC版：https://www.cnbeta.com.tw/articles/soft/1344601.htm手机版：https://m.cnbeta.com.tw/view/1344601.htm