• [问题求助] UUI传递中数据包cell的问题
    数据包CELL里进行100位字符串打包,实际字符串位数 30位  会补充71位的00  通过UUI传递导致其他平台解析报错,请问如何解决获取实际长度进行传递的问题。IPCC平台报错信息:请问怎么解决。
  • [问题求助] 想设计一个图传&数传一体的5G/4G模块,自己搭建一个网络服务器,实现摄像头的数据云端共享,不知道各位大佬有什么好的想法和建议吗
    如标题,目前我的想法是希望实现视频数据H264/H265压缩,支持HDMI&网络输入,通过5G模块把RTMP/RTSP共享到云端服务器,不知道有什么比较好的板卡或者技术细节可以分享吗?
  • [其他] 视觉知识:跨媒体智能进化的新支点
    摘 要 本文回顾跨媒体智能的发展历程,分析跨媒体智能的新趋势与现实瓶颈,展望跨媒体智能的未来前景。跨媒体智 能旨在融合多来源、多模态数据,并试图利用不同媒体数据间的关系进行高层次语义理解与逻辑推理。现有跨媒体算法主要 遵循了“单媒体表达”到“多媒体融合”的范式,其中特征学习与逻辑推理两个过程相对割裂,无法综合多源多层次的语义 信息以获得统一特征,阻碍了推理和学习过程的相互促进和修正。这类范式缺乏显式知识积累与多级结构理解的过程,同时 限制了模型可信度与鲁棒性。在这样的背景下,本文转向一种新的智能表达方式——视觉知识。以视觉知识驱动的跨媒体智 能,具有多层次建模和知识推理的特点、并易于进行视觉操作与重建。本文介绍了视觉知识的三个基本要素,即视觉概念、 视觉关系、视觉推理,并对每个要素展开详细讨论与分析。视觉知识有助于实现数据与知识驱动的统一框架,学习可归因可 溯源的结构化表达,推动跨媒体知识关联与智能推理。视觉知识具有强大的知识抽象表达能力和多重知识互补能力,为跨媒 体智能进化提供了新的有力支点。http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202112310000006&journal_id=jig引 言 跨媒体智能是人工智能的一个重要研究领域。人类善于综合视觉、听觉、语言文字等多种信号进 行认知和推理。当人类融合多种感知途径形成对某 个事物的综合理解后,这些多方面感知信号之间能 够互相触发、彼此增强。在人工智能的研究中,通过 多种媒体方式进行信息感知、融合、表达、推理是跨 媒体智能的典型特征。跨媒体智能不仅单独处理不 同来源、不同模态的数据,还对它们进行多来源、多 模态融合与增强;不仅要求完成简单的识别、检测、 定位,还能够进行更复杂的理解与推理等高阶智力 活动。跨媒体智能展现出与人类认知和思考的高度 相似性,正逐渐成为新一代人工智能研究中备受关 注的一个重要方向。 本文首先调研跨媒体表达的研究现状,并分析 现有相关研究的局限性。作为跨媒体智能的重要研 究方向之一,跨媒体表达经历了手工设计和深度学 习两个阶段。这一发展轨迹与人工智能其他领域相 似。无论是手工设计还是深度学习方法,绝大部分 跨媒体表达研究以单一媒体数据下的知识表达为基 础、分别获取多个模态的特征,然后将这些多模特 征并行映射到模态共享的特征空间,进行特征关联 与融合。这种自底而上融合的特征表达方式给跨媒 体知识表达带来了很大的局限性,缺乏系统性的可 解释与高阶推理能力。 本文随后分析一种跨媒体智能研究的新途径— —视觉知识(Pan,2019)。视觉知识不仅关注图像 或视频等视觉信号,以及基于这些信号提取或学习 得到的特征,而且以视觉概念(通常由典型和范畴 构成)(Pan,2019)为研究要素,联合符号化知识 与逻辑推理、深度学习技术、知识图谱、手工构造的 知识(如结构化信息)等多种知识表达手段,将与视 觉主体相关的音频、语言等信号进行联合建模与推 理。这种性质与人类在理解和推理多媒体信号时的 处理流程是相似的——以信息量最高的视觉为主导、 并在其基础上关联语音、文字等感知与理解。这些 声音、文字等其他形式的信息又能适时地促进、增 强对环境和目标的视觉理解。这种多模态知识表达 互相增强的性质,也正是视觉知识所具有的多重知 识表达能力(Pan,2020;Yang 等,2021)。 考虑到现有跨媒体智能算法鲁棒性弱、泛化性 与可解释性不足等基础性问题,构建视觉知识驱动 的新型视觉表达理论,提升视觉知识挖掘与提取的 自动性和可解释性是势在必行的。我们相信,视觉 知识作为一项重要的新兴研究方向,对跨媒体智能 进一步发展至关重要。视觉知识和多重知识表达的 结合,有望成为跨媒体智能研究的新支点。
  • [产品讨论] 视频流媒体的容器化改造
    (1)流媒体应用有:媒体采集系统、媒体制作系统、点播系统、视频流推送系统.几类应用比较适合容器化部署:一是功能单一的应用,即微服务(这也是为什么现在大家一谈到微服务就会谈到容器,一谈到容器就会谈到微服务的原因);二是无状态的应用,容器的一个最大的优点就是可以快速创建(秒级),对于无状态的应用,可以通过快速横向扩容来提升并发处理能力;三是变更频繁的应用,容器是基于镜像创建的,对于变更频繁的应用,只要能保证镜像在测试环境测试没有问题,那么在生产环境上线由于环境差异导致出问题的概率就会少的多;四是对于需要在一个站点快速部署的应用组,对于需要在一个新站点快速部署的应用组,使用容器技术能够结合容器平台自身的特性,快速创建一个新的站点。(2)容器化改造思路1:负载均衡应用改造点:选择合适的负载均衡器中小型的Web应用可以使用ngnix或HAProxy,大型网站或重要的服务可以使用LVS,目前该企业业务较小,选取nginx作为负载均衡器!2:web应用改造点:应用存在长时间执行请求   增加消息队列,通过消息队列将长任务与用户请求解耦3:应用服务器应用改造点:应用实例依赖于本地的存储来持久化数据如果是日志,建议变成流汇聚到分布式日志系统中。如果必须要使用存储,要使用共享文件系统如NFS(3)采用华为云CCE集群服务CCE引擎核心优势支持裸金属容器服务,流媒体服务性能提升200%以上。视频流媒体对网络性能以及服务器运算能力要求苛刻。CCE支持裸金属容器服务,如图1,视频应用可基于裸金属服务部署,容器直接运行在物理机上,无任何虚拟化性能缺失,可获得和物理机同等的超优性能,视频业务性能提升200%以上。图1 裸金属容器服务视频网站应用放在pod里视频文件放在OBS里有状态pod 无状态pod流媒体加CDN加速服务ClusterIP:集群内访问表示工作负载暴露给同一集群内其他工作负载访问的方式,可以通过“集群内部域名”访问Nodeport:在每个节点的IP上开放一个静态端口,通过静态端口对外暴露服务。节点访问 ( NodePort )会路由到ClusterIP服务,这个ClusterIP服务会自动创建。通过请求<NodeIP>:<NodePort>,可以从集群的外部访问一个NodePort服务Loadbalance:可以通过弹性负载均衡从公网访问到工作负载,与弹性IP方式相比提供了高可靠的保障,一般用于系统中需要暴露到公网的服务。
  • [技术干货] 36氪 | 这条信息很「Koo」
    全场景、全终端,一站式富媒体消息服务KooMessage,是华为云“一切皆服务”理念的有力实践。短信营销,亟待正名。曾几何时,由于短信营销成本低廉且效果显著受到许多企业青睐,于是大量企业开始狂轰滥炸式发送没有营养的短信,发送让消费者不胜其烦的广告。变味的短信营销让消费者不再打开短信,短信的做法也让短信营销失去了其生存的土壤。作为2G时代崛起的沟通方式,短信如今应用最广泛的场景可能也就是接收验证码了。除了人们对于垃圾短信内容的排斥,落后的信息形式也让人难有打开短信的欲望。从2G到4G时代,短信形态基本没有大的变化。 5G时代的到来让短信迎来了新的春天。升级大不同的RCS消息(Rich Communication Services & Suite,富媒体通信)正在重新赋予短信营销新的活力,也在潜移默化改变了消费者体验。 近日,华为云官方公布,KooMessage开启火热公测。华为云KooMessage是覆盖全场景、全终端的一站式富媒体消息服务,是5G时代短信发展的新的短信形式。它通过华为云和华为终端云移动应用生态的深度协同,借助智能终端流量入口,聚合智能信息、5G消息、企业服务号、Push消息等多渠道触点,可以提供丰富的富媒体模板、便捷的交互方式,帮助企业构筑全新的数字营销能力和体系化的用户经营能力。 一条很“Koo”的消息试想一下,一条满是文字枯燥乏味的短信,和一条可交互的富媒体信息,你更愿意打开哪一条?显然是互动性更高的后者。对于企业来说,选择华为云KooMessage显然能让营销达到最优的效果,因为它符合营销的本质,就是在恰当的时间、恰当的地点,能够向恰当的用户投放恰当的内容。 具体来看,华为云KooMessage提供的智能信息功能,是通过手机终端增强技术和用户数据分析能力,以可交互的富媒体方式精准触达到最终消费者,并提供敏捷的内容开发服务和多种链接跳转手段,从而帮助企业客户实现用户增长等营销服务。 智能信息当前由智能短信(不含短信和通知类短信、营销类短信)、智能信息服务号、智能信息基础版三大类服务组成。其中,智能短信是将传统文本短信无缝升级为可交互的富媒体信息。而智能短信、智能信息基础版再叠加智能信息服务号共同配合,就可以让企业实现品牌认证与展示、自定义菜单按钮、打开应用服务跳转、企业主页展示等能力。 这种新型的营销服务消息具有一站式、富媒体、强交互、高转化的特点,实现全场景、全终端信息覆盖,反馈到技术层面上,有几个关键要素。 首先是内容,华为云KooMessage支持动态参数调整,同一个模板可以实现千人千面的输出,给客户提供定制内容,按照不同人的喜好推荐不同商品,实现个性化精准推送。 其次是数据洞察,它与内容相辅相成,内容的客制化输出一定是建立在已有数据洞察的基础上。华为云吸纳了业界流行的客户数据平台CDP,基于CDP实现用户画像、洞察或者用户分型等数据层面工作,同时自动化营销平台,提升用户精准化营销的能力。 最后是流量分发,华为云KooMessage能够提供统一的API,把多渠道API做到融合和整合,客户只要对接KooMessage就可以快速和应用进行集成,并且可以覆盖更多的行业应用场景,实现全渠道最优的分发策略。 一条看起来简单的富媒体消息,背后需要诸多复杂流程以及技术支撑。2G时代,传统短信表面,用户收发、编辑的是一个短信,背后用户看不到的是短信背后有庞大的核心网、承载网等基础设施以及短信运营商的支撑。 智能信息在当下走向繁荣同样如此。新的时代背景下,一个全新云时代的建立,革新了信息生产、创造、分发、接收等全流程,所以5G时代,我们表面上看到的是短信的形态发生了变化,实际上也要看到短信所依托的基础设施内在变革。 让“短信”变得“Koo”起来,为什么是华为云?KooMessage背后的数智化消息服务从传统走向新生,华为云做了些什么?一言以蔽之,多年通信技术与云计算领域技术的积累。首先,KooMessage基于华为云云原生技术打造,它结合了华为云的容器能力、安全能力、微服务等能力,核心功能采用了CCE、APIG、ELB等云服务,从而为消息服务树立了坚实云原生底座。 云原生具有轻量、高可迁移性、高弹性等优势,能够较好赋能企业在不同场景下的数字化转型需求,容器是云原生的核心能力,在国际权威分析机构沙利文(Frost & Sullivan)联合头豹研究院发布《云原生市场研究报告——容器》(2022)指出,华为云云原生容器综合竞争力中国第一。 报告指出,在市场表现方面,华为云涵盖互联网、政务、金融等领域,基本形成全行业覆盖;在容器性能方面,华为云实现分布式云的统一管控、云边、边边的协同性,具备显著优势;在开放生态方面,华为云聚焦生态的打造,积极拓展生态伙伴,在全球主流开源社区中享有一定影响力。此次沙利文报告是权威机构对华为云在容器领域技术领先及行业影响力的又一次认可。 “好马配好鞍,好船配好帆。”过往技术架构无法支撑快速变化的业务需求,以容器、微服务以及动态编排为代表的云原生技术蓬勃发展,成为赋能业务创新的重要推动力,企业新生能力基于云原生构建,使其生于云;应用、数据和AI的全生命周期云上完成,使其长于云。 在云原生技术基础之上,KooMessage才能从场景出发,并通过华为云的高阶大数据和AI 能力支撑,让企业能通过立而不破的方式继承原有,又与新生能力有机协同。 华为云的高阶大数据和AI 能力正在赋能KooMessage进一步全面升级。如智能内容生产引擎,利用AI推荐算法、RPA、低代码等技术,通过用户行为数据和素材模板库内容的人群定位等分析,自动化组装生成个性化内容,为企业用户提供千人千面的内容&创意。再如智能流量分发引擎,通过全局流量分发的数据汇聚及治理分析,以时间、地点、客群为核心因素,智能分析高价值管道,结合AI、RPA等技术进行全渠道流量自动化分发编排。 华为云推出的AI开发生产线ModelArts,在数据处理、开发、训练、推理和全流程MLOps上不断创新,成为国内率先支持MLOps的AI开发平台,让更多企业上好云、用好云,进而推动AI进入更多核心生产环节,产生更高价值。不仅深耕技术领域,华为云还投身AI领域生态建设,华为云AI Gallery汇聚人才和资产,D-PLAN助力行业智能升级,让伙伴与开发者快速实现AI变现。并且在云服务市场竞争日趋激烈的当下,华为云AI开发生产线ModelArts持续在数据处理-算法开发-模型训练-模型管理和部署的AI全生命周期持续各环节不断丰富产品功能,使得华为云在AI 云服务市场竞争优势日益凸显。华为云AI开发生产线ModelArts全能力域通过中国信通院评测,成为了中国信通院认证的首批全能力域领先级AI开发平台,华为云AI能力获得了权威认可。 不仅AI能力得到认可,华为云大数据技术也持续创新。例如,华为云智能数据湖解决方案获广泛的市场应用,面对愈发复杂的大数据场景时,可以为客户提供完整的大数据云服务产品组合,可融合演进到湖仓一体的架构,并提供源自华为自身数字化转型经验沉淀的DGC数据湖治理中心服务,加速释放企业海量数据价值。通过不断的大数据技术创新,让客户在复杂环境下,快速构建企业级数据分析解决方案,让数据分析变得简单化、自主化,让企业用数更敏捷。 国内市场调查和咨询公司艾瑞咨询近期发布《2022 年中国数智融合发展洞察》报告。报告显示,华为云数智融合解决方案综合优势突出,为客户进一步降本增效,在行业技术创新上持续领跑。通过 DataArts 和 ModelArts 的融合,打通了大数据和人工智能,兼顾成本与性能,实现统一管理、一数多用,同时实现敏捷用数,全流程自动化与智能化。华为云成为企业数字化创新的助推器。 综合华为云大数据和AI技术将赋予KooMessage新的能力价值,焕发出云消息服务的新生。华为云:一切皆服务消息服务市场增长空间巨大,目前国内广告市场已达到万亿级,消息市场也达千亿级。当前企业获客拉新需求旺盛,同时更加关注用户服务。但当前消息服务体验割裂,用户成本高,各服务相互独立,无有效协同,商业效果有限。可以说KooMessage的出现解了企业营销的“渴”。行走在B端和C端之间的KooMessage一端直连消费者,一端直连企业客户。它能将C端与B端的能力打通,向上引入需求,向下对接技术,实现了B2B2C业务场景的创新。华为云之所以能做到这一点,正是因为华为云拥有B端的技术懂得B端的需求,同时通过云云协同可以触达用户。 KooMessage汇聚了海量的行业能力,沉淀行业充足的经验,才能提供全流程一站式开放平台,做到统一的应用分发及运营,提升企业客户应用构建、开发与使用体验,从而支持千行百业应用快速创新。据了解, 华为云在 2021年推出的开天aPaaS将华为自身30多年及全球各行各业的数字化转型经验沉淀在华为云上,让开发者不必重复造轮子。在前不久华为伙伴暨开发者大会2022上,华为云CEO张平安重磅发布了5大行业aPaaS以及2个基础aPaaS服务,持续沉淀行业经验。KooMessage正是开天aPaaS的基础aPaaS服务之一。华为云一直践行“一切皆服务”,主要内涵包括经验即服务、技术即服务和基础设施即服务,KooMessage的出现正是经验即服务上面的一个绚丽的果实。 技术即服务和基础设施即服务也扮演着重要的角色,例如遍布全球的数据中心和网络,让KooMessage可以快速触达到目标客户,华为持续将十余万研发工程师、每年百亿美元以上研发投入的成果开放,以云服务的方式输出,KooMessage本身就融合了华为云的多种技术,面向不同行业客户的关注点,针对性联合伙伴打造行业解决方案,使能千行百业应用快速创新。华为云也提倡企业多云部署模式,为客户提供更有竞争力的云服务,在互联网领域,目前已有80%中国TOP50互联网企业选择了华为云。“H(华为云)+X”的多云部署模式也被越来越多的企业认可与选择。一站式富媒体消息服务KooMessage的出现,正是华为云在“一切皆服务”的理念下,以云原生为核心的技术价值重构下诞生的新的营销利器,它的出现将帮助包括互联网在内的千行百业客户在营销上先人一步。  本文来自微信公众号“36氪”(ID:wow36kr),36氪经授权发布原文链接:https://www.36kr.com/p/1836702638728453
  • [技术干货] 今日头条 | KooMessage:从传统短信到富媒体消息,一场悄然进行的数字化营销升级(转载)
    1992年12月3日,世界上第一条短信诞生,从此打开了现代消息传递的通道,并改变了人们的沟通和交流方式。不过,时移世易,当今天说起短信,更多的人把它当成收取验证码、通知信息的工具。曾经,短信伴随移动终端的普及大放异彩,如今它真的过时了?答案是也不是。一方面因为传统短信受其内容呈现单一、字数容量限制等,已不能满足当前信息沟通和传递的需求;另一方面从传统短信到富媒体消息,手机原生信息正在开启新的升级,富媒体消息让信息呈现更丰富、多样,功能大为增加,并满足个性化需要,从而大大超越了传统短信的沟通和服务体验。富媒体消息的价值回归显然,从短信(SMS)升级而来的富媒体消息(RCS)代表了未来的发展趋势。从用户使用体验来说,富媒体消息突破了传统文本限制,实现文字、图片、音频、视频、位置等信息的融合,并继承了传统短信的免注册登录、免安装应用等特性,进一步实现更丰富、更便捷的信息沟通和交互,带来全新体验;从政企提供服务的角度来看,富媒体消息成为5G和云时代的数字业务新载体,政企在此基础上构建业务场景和服务能力,可以将公共服务和商业服务更直接有效地送达最终用户,用户也可以获得高效的个性化服务,从而产生新价值。所以,从传统短信到富媒体消息,后者让曾经写下移动通信发展史上浓墨重彩一笔的信息价值回归,为用户、企业带来新的体验、新的价值。更为直接的是,作为联接企业与用户的通道,富媒体消息为企业数字化营销打开新入口,以消息即服务打破传统短信的营销体验不佳,进一步提升用户满意度,建立起企业和用户更紧密的互动。华为云KooMessage打开数字化营销新入口向未来演进的富媒体消息要全面改善用户体验,需要解决消息的跨平台、全场景、全终端触达,而不是割裂的、面向单一场景呈现,从而提升效率、降低使用成本,让体验触手可及。不同于普通的富媒体消息,华为云云消息服务KooMessage提供覆盖全场景全终端的一站式富媒体消息服务,通过华为云和华为终端云的深度协同,覆盖服务号、智能消息、5G消息、Push消息等全场景,以及手机、Pad、PC、智慧屏、智能手表等全终端类型,能触达300多款、5亿多台终端设备。 这意味着在KooMessage之上,华为云打通了面向不同场景的消息服务能力,客户和伙伴可根据不同业务营销场景,打造不同的营销服务能力,满足多样化需求。进一步来说,KooMessage提供了消息内容开发、流量分发、用户数据分析三类API,100+消息模板,10+跳转方式,让企业能够快速生成富媒体消息服务用户,实现全场景、全终端客户触达,并让营销服务变得更简单、更高效,从而解决传统短信和普通富媒体营销存在的体验不佳和形式单一、低效等痛点。不难理解,我们每一个人作为移动终端用户,更愿意去获取体验更佳的富媒体消息带来的信息服务。在此背后,华为云KooMessage提供了三大核心服务能力和价值,帮助企业有效提升营销转化率,提高用户满意度。首先,KooMessage将传统短信升级为强交互的富媒体消息,为企业提供富媒体类型的智能信息和5G消息服务,通过富媒体展示效果,可实现与用户应用交互、内容访问、信息查询、智能客服等实时互动。同时叠加短信服务号认证,展示企业logo、加V认证等,让品牌认知度和信任度进一步提升。此外,KooMessage还提供了多级自定义菜单、丰富的富媒体卡片样式等,满足企业多场景营销需求,让用户一键直达所需服务,便捷的操作和体验也让营销转化率得到质的提升。其次,KooMessage还将助推企业打造企业服务号,支持自定义服务号主页,打造个性化门户。这意味着依托华为庞大的公域流量池,通过终端侧的多入口前置强触达,用户将更便捷、智能地获取个性化服务,企业也可以更低成本地完成触达用户、销售转化、沉淀用户,打造集营销、转化、服务为一体的私域流量经营阵地。第三,在完成前面的价值基础上,KooMessage进一步为企业提供用户增长服务。一方面其支持基于行业标签和模型进行精准化推荐,另一方面支持精准画像精准投放,通过提升营销转化率和服务感知,实时识别高潜客户,智能优化投放策略,最终实现全渠道的企业用户增长,让数字化营销见实效。为多场景营销服务和行业创新带来更多可能尤为重要的是,基于终端原生信息能力,传统文本信息升级为具备强互动能力的富媒体消息,将带来更丰富、个性化和智能的服务场景,满足面向未来的数字化需求。例如在政务服务方面,政府可打造富媒体服务窗口,通过智能信息认证体系,提供线上便民服务;电商可进行产品、活动的高效触达,某知名电商品牌在2022年春节的“不打烊抢红包”活动中,就基于KooMessage定制开发了红包短信,实现个性化精准推送,点击率显著提升;文旅服务方面,进行景区消息推送、智能门票、景点精准推荐等服务,实现景区运营升级;移动出行方面,企业可提供更智能的服务,实现精准营销,某移动出行企业通过KooMessage智能信息进行其微信小程序进行推广,很好地实现了小程序一键打开功能,借助节日期间用户出行需求,推行出行有礼活动,实现用户点击率的600%增长。当然,这仅是当前最容易实现和已经落地的部分场景,可以预见,随着产业生态的广泛参与和创新,富媒体消息带来的数字化营销升级将为行业带来更多可能。对于华为云KooMessage而言,也正在融合多渠道能力并充分利用更多AI能力,如利用智能内容生产引擎为企业用户提供千人千面的内容和创意,利用智能流量分发引擎智能分析高价值管道,在恰当时间、恰当地点向恰当的用户投放恰当的内容,实现创意“千人千面”,达到最优的效果。作为开天aPaaS的基础aPaaS服务,KooMessage是践行华为云“一切皆服务”的直接体现,以共创、共享、共赢为生态理念,KooMessage提供了一个根服务和行业创新的平台,有利于客户、开发者、伙伴创造更多元、丰富的场景服务和营销能力,一场悄然进行的数字化营销升级加速而来。本文来源:智会社原文地址:https://www.toutiao.com/article/7121665852575220224/?wid=1658388280671
  • [业界动态] 中国科技新闻学会元宇宙科技传播专业委员会成立,科技与媒体相结合助力元宇宙产业落地
    知天下,行万里丨今日热点行业资讯荟萃青椒计划种子教师研修班(第二期)正式开班7月17日,青椒计划种子教师研修班(第二期)开班仪式在成都成功举行,国务院参事、青椒计划发起人汤敏,华为云WeLink产品总裁王俊等嘉宾,以及部分助教老师、合作单位一起见证了开班仪式。借助华为云WeLink,乡村教师们可以通过网络直播、数字教学的形式来展开教学,为学生引入更丰富、直观、多元的教育资源,告别“一支粉笔、一个黑板、一本书”的教育模式,给乡村教育带来质的变化。中国科技新闻学会元宇宙科技传播专业委员会成立,科技与媒体相结合助力元宇宙产业落地7月17日下午,经中国科技新闻学会常务理事会批准,元宇宙科技传播专业委员会成立大学正式举行。出席本次会议的代表及嘉宾包括中国工程院院士陈清泉、专委会总协调人杨曦沦、专委会会长杨溟、专家委员会主任蔡维德、中国互联网金融协会互联网金融标准研究院副院长辛路等众多专家学者及业界人士共计300多人参会。(*来源:中国科技新闻学会)爱奇艺和抖音集团达成合作,开启长短视频共赢新模式7月19日,爱奇艺和抖音集团宣布达成合作,将围绕长视频内容的二次创作与推广等方面展开探索。这标志着长短视频平台开启合作共赢的新模式。依据合作,爱奇艺将向抖音集团授权其内容资产中拥有信息网络传播权及转授权的长视频内容,用于短视频创作。双方对解说、混剪、拆条等短视频二创形态做了具体约定,将共同推动长视频内容知识产权的规范使用。(*来源:吉林日报)周鸿祎:需用人脑安全卫士查杀马斯克云端大脑埃隆·马斯克表示,他已将自己的大脑上传到云端,而且还与虚拟版本的“自己”进行了交谈。报道称,这可能是马斯克神经技术公司Neuralink的成果。周鸿祎发文称,脑机接口一旦把人连上网,就很有可能会引来网络攻击,最后还得用我们的人脑安全卫士查杀。(*来源:极目新闻)产学研专家携手华为云共议金融数字化转型华为云与清华五道口《清华金融评论》跨界携手多位产、学、研权威专家展开了深入探讨,重磅发布了《中国金融机构数字化转型》白皮书。华为中国区副总裁、华为云中国区总裁张修征指出,“移动优先,丰富数字化渠道;云化转型,平台与流程再造;数据驱动,实现数字化经营;场景创新,探索新商业模式”是金融机构数字化转型必将经历的主要阶段。华为云云商店KooGallery热门动态数字时代,企业如何管理和使用自己的数据?对于企业来说,云盘就是一个物流中心,要实现文件数据的流转、引用,同时要支持100多种格式文件的在线预览,全文搜索、在线编辑、客户协作、文件的收集分发等。云商店的云速云盘致力于成为提高企业工作效率的重要工具,将所有工作文档集中存储在云中,支持多格式文件的高速上传、下载和预览,解决了一个文件需要跨部门多人发送的低效问题。云商店根据用户的不同需求,推出了不同的云速云盘购买套餐,目前在官网可以查看相关讯息,同时还提供试用资格,想要进一步了解云速云盘的用户可免费获取资格哦,快点击“云速云盘试用”了解一下吧。>>>点击阅读原文.编辑:慧慧吖
  • [业界动态] 周末看点回顾|华为云一站式富媒体消息服务支撑企业数字营销能力进化;商务部:加快县域商业数字化转型…
    行业资讯一览华为云KooMessage一站式富媒体消息服务,支撑企业数字营销能力进化华为云一站式富媒体消息服务—KooMessage正在火热公测中,它为企业增加了一种新的商业想象力:信息的终点,可以成为增长的起点。KooMessage基于全新的云原生技术架构打造,融合华为云领先的容器、大数据和AI等能力,并且通过华为云和华为终端云移动应用生态协同,能帮助企业触达300多款、5亿多台终端设备,构建全新的数字营销能力和体系化的用户经营能力。华为应用市场发布2022年第二季度安全隐私报告为了净化应用下载、使用环境,切实保障用户的合法权益,华为应用市场在2022年第二季度,聚焦治理涉嫌恶意行为的应用,用实际行动守护用户的手机安全。在日常巡检的基础上,重点关注恶意弹框、隐藏/修改最近任务列表、进程无法停止等恶意行为,针对“Wi-Fi类”“手机清理类”“走步类”“大字版类”等涉嫌违规的高风险品类,并结合用户投诉较多、评分较低的情况,进行多轮复测累计复测应用8.5万款次,其中因恶意行为发起整改339款应用,发起下架1255款应用。(点击了解更多)上海电信发布公共算力服务,联合华为等伙伴签订“智能算力应用联合创新中心”行动计划2022年7月12日,上海电信举办“云生未来,智算无限”公共算力服务发布会,并携手上海超算中心、复旦大学、上海市人工智能行业协会和华为,发起成立智能算力应用联合创新中心,华为公司副总裁、计算产品线总裁邓泰华出席本次签约仪式。华为将以基于昇腾AI的人工智能融合赋能平台助力智能算力应用联合创新中心建设,并联合上海电信开展算力网络技术创新孵化,共同创建智能算力行业应用标杆。华为江大勇:openGauss联合产业界创新,共建开源数据库根社区openGauss Developer Day(openGauss开发者大会)2022在北京顺利召开。这是openGauss开源社区发起并主办的面向数据库开发者的年度活动。在大会上,openGauss开源社区理事长江大勇发表题为“创未来 享非凡 共建开源数据库根社区”的主题演讲:分享了openGauss在技术、生态、商业方面的最新进展,发布社区贡献看板和面向开发者的Try Me在线实验环境;7家合作伙伴发布基于openGauss 3.0的数据库商业发行版;联合产业界创新,openGauss正在成为中国极具创新力的开源数据库根社区。(点击了解更多)商务部:加快县域商业数字化转型商务部新闻发言人束珏婷7月14日在例行发布会上透露,下一步,商务部将会同有关部门继续加大工作力度,指导地方以渠道下沉为主线,以县乡为重点,以数字化、连锁化、标准化为手段,加快补齐基础设施和公共服务短板,推动完善县域商业体系。一是加快县域商业数字化转型。二是促进县域商业连锁化发展。三是提高县域商业标准化水平。(来源:中国经济时报)B站:将逐步开放“展示账号IP属地”功能,预计一周后全面上线B站官方发布公告称,为保障社区真实有序的讨论氛围,持续防治冒充热点事件当事人、恶意造谣、蹭流量等不良行为,社区将依据相关法律法规要求逐步开放“展示账号 IP属地”功能。用户暂时无法主动开启或关闭相关展示,预计在一周后面向所有用户正式上线。(来源:36氪)首款国产科学计算软件研发成功,实现科学计算领域“根技术”的突破2022(首届)数学促进经济社会发展高峰论坛7月16日在渝举行,由北京大学重庆大数据研究院研发的北太天元数值计算通用软件在现场亮相。这是首款国产科学计算软件,具有完全自主知识产权,实现了科学计算领域“根技术”的突破。据介绍,研发具有自主知识产权的科学计算软件,对于我国高校教学和科研、企业产品开发都具有重大意义。(来源:重庆日报)华为汪涛:持续创新,全面迈向5.5G时代7月18日,2022华为Win-Win创新周期间,华为常务董事、ICT基础设施业务管理委员会主任汪涛发表了题为“持续创新,全面迈向5.5G时代”的主题演讲,提出“全面迈向5.5G时代”理念,和运营商与行业伙伴一起探讨面向未来5到10年行业整体代际演进、创新发展的方向,携手走向5.5G时代,创新共赢美好未来。(点击了解更多)云商店一周动态云商店携手泛微,为企业用户提供一站式即开即用的企业服务针对协同办公场景,华为云云商店携手该领域优质服务商,上架了490+产品及解决方案,为大、中、小、微企业和政企提供品质上云服务。其中,华为云云商店合作伙伴上海泛微软件有限公司(以下简称:泛微公司),依托新一代OA的设计理念,新一代管理思想,推出并上架了泛微e-office、泛微e-cology(以下统称:泛微OA),将资源紧密集成在一起,并实现彼此之间的融会贯通和统一管理,为企业创建新一代的高效协同办公环境。点击了解泛微OA:在线办公,如何让协同更高效?泛微e-office如何助力企业快速打造移动化、无纸化、数字化的办,点击阅读企业远程办公如何更高效?黑湖智造:“一个系统,搞定各种生产不畅”作为华为云密切合作的伙伴,黑湖科技荣获2021年度华为云商店优秀伙伴先锋SaaS商家奖、千万俱乐部奖。与云商店共同开拓上百家客户,合作区域遍布全国,销售额居云商店制造类目前三。阅读全文,通过两个案例了解「黑湖智造」是如何做到“一个系统,搞定各种生产不畅”的!云速云盘,做企业的物流中心和知识库华为云云商店联合中软国际推出了云速云盘,在这款产品的研发中,华为亲身实践,证实其满足安全与效率的高标准,主要面向中小型企业、组织,以及对远端办公有需求的各类企业客户,提供用户数据存储、同步、管理和分享等在线服务。阅读全文,了解数字时代,企业如何管理和使用自己的数据?编辑 | 一只大月亮
  • [技术干货] Windows10系统下Studio运行脚本日志报错DLL load failed import cv2:找不到指定模块
    问题现象:问题原因:操作系统中未安装系统对应版本的媒体功能包“KB3145500”解决办法:使用浏览器访问如下URL地址(此为推荐地址,用户也可自行去到官网下载安装),进入媒体功能包列表页面。URL地址:https://support.microsoft.com/en-us/topic/media-feature-pack-list-for-windows-n-editions-c1c6fffa-d052-8338-7a79-a4bb980a700a根据PC机上“Windows 版本”中的年份信息,在“Media Feature Packs by Windows version”区域单击对应版本媒体功能包的下载链接。进入对应版本的媒体功能包下载页面,在“Download information”中下载对应版本媒体功能包。进入本地下载目录,双击下载的媒体功能包文件,并根据提示完成安装。重启PC,使得安装的媒体功能包生效。重新运行脚本注:如以上操作仍无法解决问题,可通过华为云论坛进行提问解决
  • [直播&活动公告] “媒体三巨头”集结!媒体领域赛题解读直播来了
    创想无限,2022华为开发者大赛邀你来挑战! 作为华为ICT领域的顶级赛事,本次大赛分为云底座和产业两大赛道,包含云应用创新、代码上太空、世界难题、无人车等7大赛事,总奖金额高达500万。 从7月开始,华为云将围绕AI、IoT、PaaS、数据库、媒体、容器、数通等领域,陆续举办赛题解读系列直播活动,分享技术干货和实战经验,为参赛团队和选手提供专业技术指导。 7月14日,华为开发者大赛云应用创新赛道——媒体领域赛题解读直播重磅来袭。本场直播中,华为云媒体领域的三位技术专家将解读赛题相关的关键技术要点,并现场答疑,指导参赛选手快速上手华为的开放技术能力。 届时,直播将从这三个方面进行解读: 华为云实时音视频服务(SparkRTC) SparkRTC可快速为行业提供高并发、低延迟、高清流畅、安全可靠的全场景、全互动、全实时的音视频服务,适用于在线教育、办公协作、社交文娱、在线金融等场景。华为云会议 结合华为云会议宝等全系列智能协作终端,华为云会议可提供全场景端云协同视频会议解决方案,满足跨地区、跨企业、跨终端的智能沟通协作需求。直播主题华为开发者大赛云应用创新赛道——媒体领域赛题解读直播时间2022年7月14日15:00-17:00扫描二维码 立即预约报名
  • [行业资讯] 物联网技术助力油料保障
    本报讯 郭昀博、吴昊阳报道:近日,东部战区海军航空兵某场站油料仓库监控室内,油料保管员邓相文轻轻敲击键盘,库区内多个储油罐的相关数据便立即显示在大屏幕上。“有了这套物联网管理信息系统,官兵足不出户便可完成过去费时费力的油料存量检测工作。”该场站领导介绍,他们借助物联网技术改进油料管理方式,油料保障效能显著提升。近年来,随着部队实战化训练深入推进,战机出动频率加快、飞行架次增多,油料保障压力随之增大,如何提高保障效率成为该场站党委关注的一个重要课题。经过调研论证,他们决定从油料管理入手,引入物联网管理信息系统,将油库巡检、消防报警、安防监控等系统有机整合,实现油库业务数字化管理。同时,该场站选派业务骨干赴厂家学习进修,熟悉掌握系统操作和维护流程;通过物联网管理信息系统梳理统计单件装备油料使用情况和消耗数量,精准测算每个环节的数据,推动油料保障从“经验型”向“精确型”转变。此外,他们加强油料专用装备维护管理,组织业务骨干集中研讨优化保障流程,细化完善特情处置演练方案,确保物联网管理信息系统发挥最大效益。近期,该场站组织油库区应急消防演练,巡线员发现“火情”后,依托物联网管理信息系统“一键报警”。抢险分队闻令而动,迅速处置“火情”。(来源:解放军报)原文链接:https://new.qq.com/rain/a/20220703A02K5U00.html
  • [技术干货] 使用JojoGAN创建风格化的面部图
    介绍风格迁移是神经网络的一个发展领域,它是一个非常有用的功能,可以集成到社交媒体和应用程序中。几个神经网络可以根据训练数据将图像样式映射和传输到输入图像。在本文中,我们将研究 JojoGAN,以及仅使用一种参考样式来训练和生成具有该样式的任何图像的过程。JoJoGAN:One Shot Face StylizationOne Shot Face Stylization(一次性面部风格化)可用于 AI 应用程序、社交媒体过滤器、有趣的应用程序和业务用例。随着 AI 生成的图像和视频滤镜的日益普及,以及它们在社交媒体和短视频、图像中的使用,一次性面部风格化是一个有用的功能,应用程序和社交媒体公司可以将其集成到最终产品中。因此,让我们来看看用于一次性生成人脸样式的流行 GAN 架构——JojoGAN。JojoGAN 架构JojoGAN 是一种风格迁移程序,可让将人脸图像的风格迁移为另一种风格。它通过GAN将参考风格图像反转为近似的配对训练数据,根据风格化代码生成真实的人脸图像,并与参考风格图像相匹配。然后将该数据集用于微调 StyleGAN,并且可以使用新的输入图像,JojoGAN 将根据 GAN 反转(inversion)将其转换为该特定样式。JojoGAN 架构和工作流程JojoGAN 只需一种参考风格即可在很短的时间内(不到 1 分钟)进行训练,并生成高质量的风格化图像。JojoGan 的一些例子JojoGAN 生成的风格化图像的一些示例:风格化的图像可以在各种不同的输入风格上生成并且可以修改。JojoGan 代码深潜让我们看看 JojoGAN 生成风格化人像的实现。有几个预训练模型可用,它们可以在我们的风格图像上进行训练,或者可以修改模型以在几分钟内更改风格。JojoGAN 的设置和导入克隆 JojoGAN 存储库并导入必要的库。在 Google Colab 存储中创建一些文件夹,用于存储反转代码、样式图像和模型。!git clone https://github.com/mchong6/JoJoGAN.git%cd JoJoGAN!pip install tqdm gdown scikit-learn==0.22 scipy lpips dlib opencv-python wandb!wget https://github.com/ninja-build/ninja/releases/download/v1.8.2/ninja-linux.zip!sudo unzip ninja-linux.zip -d /usr/local/bin/import torchtorch.backends.cudnn.benchmark = Truefrom torchvision import transforms, utilsfrom util import *from PIL import Imageimport mathimport randomimport osimport numpyfrom torch import nn, autograd, optimfrom torch.nn import functionalfrom tqdm import tqdmimport wandbfrom model import *from e4e_projection import projectionfrom google.colab import filesfrom copy import deepcopyfrom pydrive.auth import GoogleAuthfrom pydrive.drive import GoogleDrivefrom google.colab import authfrom oauth2client.client import GoogleCredentials模型文件使用 Pydrive 下载模型文件。一组驱动器 ID 可用于预训练模型。这些预训练模型可用于随时随地生成风格化图像,并具有不同的准确度。之后,可以训练用户创建的模型。#Download models#optionally enable downloads with pydrive in order to authenticate and avoid drive download limits.download_with_pydrive = True  device = 'cuda' #['cuda', 'cpu']!wget http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2!bzip2 -dk shape_predictor_68_face_landmarks.dat.bz2!mv shape_predictor_68_face_landmarks.dat models/dlibshape_predictor_68_face_landmarks.dat%matplotlib inlinedrive_ids = {   "stylegan2-ffhq-config-f.pt": "1Yr7KuD959btpmcKGAUsbAk5rPjX2MytK",   "e4e_ffhq_encode.pt": "1o6ijA3PkcewZvwJJ73dJ0fxhndn0nnh7",   "restyle_psp_ffhq_encode.pt": "1nbxCIVw9H3YnQsoIPykNEFwWJnHVHlVd",   "arcane_caitlyn.pt": "1gOsDTiTPcENiFOrhmkkxJcTURykW1dRc",   "arcane_caitlyn_preserve_color.pt": "1cUTyjU-q98P75a8THCaO545RTwpVV-aH",   "arcane_jinx_preserve_color.pt": "1jElwHxaYPod5Itdy18izJk49K1nl4ney",   "arcane_jinx.pt": "1quQ8vPjYpUiXM4k1_KIwP4EccOefPpG_",   "arcane_multi_preserve_color.pt": "1enJgrC08NpWpx2XGBmLt1laimjpGCyfl",   "arcane_multi.pt": "15V9s09sgaw-zhKp116VHigf5FowAy43f",   "sketch_multi.pt": "1GdaeHGBGjBAFsWipTL0y-ssUiAqk8AxD",   "disney.pt": "1zbE2upakFUAx8ximYnLofFwfT8MilqJA",   "disney_preserve_color.pt": "1Bnh02DjfvN_Wm8c4JdOiNV4q9J7Z_tsi",   "jojo.pt": "13cR2xjIBj8Ga5jMO7gtxzIJj2PDsBYK4",   "jojo_preserve_color.pt": "1ZRwYLRytCEKi__eT2Zxv1IlV6BGVQ_K2",   "jojo_yasuho.pt": "1grZT3Gz1DLzFoJchAmoj3LoM9ew9ROX_",   "jojo_yasuho_preserve_color.pt": "1SKBu1h0iRNyeKBnya_3BBmLr4pkPeg_L",   "art.pt": "1a0QDEHwXQ6hE_FcYEyNMuv5r5UnRQLKT",}# from StyelGAN-NADAclass Downloader(object):   def __init__(self, use_pydrive):       self.use_pydrive = use_pydrive       if self.use_pydrive:           self.authenticate()   def authenticate(self):       auth.authenticate_user()       gauth = GoogleAuth()       gauth.credentials = GoogleCredentials.get_application_default()       self.drive = GoogleDrive(gauth)   def download_file(self, file_name):       file_dst = os.path.join('models', file_name)       file_id = drive_ids[file_name]       if not os.path.exists(file_dst):           print(f'Downloading {file_name}')           if self.use_pydrive:               downloaded = self.drive.CreateFile({'id':file_id})               downloaded.FetchMetadata(fetch_all=True)               downloaded.GetContentFile(file_dst)           else:               !gdown --id $file_id -O $file_dstdownloader = Downloader(download_with_pydrive)downloader.download_file('stylegan2-ffhq-config-f.pt')downloader.download_file('e4e_ffhq_encode.pt')加载生成器加载原始和微调生成器。设置用于调整图像大小和规范化图像的 transforms。latent_dim = 512# Load original generatororiginal_generator = Generator(1024, latent_dim, 8, 2).to(device)ckpt = torch.load('models/stylegan2-ffhq-config-f.pt', map_location=lambda storage, loc: storage)original_generator.load_state_dict(ckpt["g_ema"], strict=False)mean_latent = original_generator.mean_latent(10000)# to be finetuned generatorgenerator = deepcopy(original_generator)transform = transforms.Compose(   [       transforms.Resize((1024, 1024)),       transforms.ToTensor(),       transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)),   ])输入图像设置输入图像位置。对齐和裁剪面并重新设置映射的样式。#image to the test_input directory and put the name herefilename = 'face.jpeg' #@param {type:"string"}filepath = f'test_input/{filename}'name = strip_path_extension(filepath)+'.pt'# aligns and crops facealigned_face = align_face(filepath)# my_w = restyle_projection(aligned_face, name, device, n_iters=1).unsqueeze(0)my_w = projection(aligned_face, name, device).unsqueeze(0)预训练图选择预训练好的图类型,选择不保留颜色的检查点,效果更好。plt.rcParams['figure.dpi'] = 150pretrained = 'sketch_multi' #['art', 'arcane_multi', 'sketch_multi', 'arcane_jinx', 'arcane_caitlyn', 'jojo_yasuho', 'jojo', 'disney']#Preserve color tries to preserve color of original image by limiting family of allowable transformations.if preserve_color:   ckpt = f'{pretrained}_preserve_color.pt'else:   ckpt = f'{pretrained}.pt'生成结果加载检查点和生成器并设置种子值,然后开始生成风格化图像。用于 Elon Musk 的输入图像将根据图类型进行风格化。#Generate resultsn_sample =  5#{type:"number"}seed = 3000 #{type:"number"}torch.manual_seed(seed)with torch.no_grad():   generator.eval()   z = torch.randn(n_sample, latent_dim, device=device)   original_sample = original_generator([z], truncation=0.7, truncation_latent=mean_latent)   sample = generator([z], truncation=0.7, truncation_latent=mean_latent)   original_my_sample = original_generator(my_w, input_is_latent=True)   my_sample = generator(my_w, input_is_latent=True)# display reference imagesif pretrained == 'arcane_multi':   style_path = f'style_images_aligned/arcane_jinx.png'elif pretrained == 'sketch_multi':   style_path = f'style_images_aligned/sketch.png'else:      style_path = f'style_images_aligned/{pretrained}.png'style_image = transform(Image.open(style_path)).unsqueeze(0).to(device)face = transform(aligned_face).unsqueeze(0).to(device)my_output = torch.cat([style_image, face, my_sample], 0)生成的结果结果生成为预先训练的类型“Jojo”,看起来相当准确。现在让我们看一下在自创样式上训练 GAN。使用你的风格图像进行训练选择一些面部图,甚至创建一些自己的面部图并加载这些图像以训练 GAN,并设置路径。裁剪和对齐人脸并执行 GAN 反转。names = ['1.jpg', '2.jpg', '3.jpg']targets = []latents = []for name in names:   style_path = os.path.join('style_images', name)   assert os.path.exists(style_path), f"{style_path} does not exist!"   name = strip_path_extension(name)   # crop and align the face   style_aligned_path = os.path.join('style_images_aligned', f'{name}.png')   if not os.path.exists(style_aligned_path):       style_aligned = align_face(style_path)       style_aligned.save(style_aligned_path)   else:       style_aligned = Image.open(style_aligned_path).convert('RGB')   # GAN invert   style_code_path = os.path.join('inversion_codes', f'{name}.pt')   if not os.path.exists(style_code_path):       latent = projection(style_aligned, style_code_path, device)   else:       latent = torch.load(style_code_path)['latent']   latents.append(latent.to(device))targets = torch.stack(targets, 0)latents = torch.stack(latents, 0)微调 StyleGAN通过调整 alpha、颜色保留和设置迭代次数来微调 StyleGAN。加载感知损失的鉴别器并重置生成器。#Finetune StyleGAN#alpha controls the strength of the stylealpha =  1.0 # min:0, max:1, step:0.1alpha = 1-alpha#preserve color of original image by limiting family of allowable transformationspreserve_color = False #Number of finetuning steps.num_iter = 300#Log training on wandb and interval for image logginguse_wandb = False log_interval = 50if use_wandb:   wandb.init(project="JoJoGAN")   config = wandb.config   config.num_iter = num_iter   config.preserve_color = preserve_color   wandb.log(   {"Style reference": [wandb.Image(transforms.ToPILImage()(target_im))]},   step=0)# load discriminator for perceptual lossdiscriminator = Discriminator(1024, 2).eval().to(device)ckpt = torch.load('models/stylegan2-ffhq-config-f.pt', map_location=lambda storage, loc: storage)discriminator.load_state_dict(ckpt["d"], strict=False)# reset generatordel generatorgenerator = deepcopy(original_generator)g_optim = optim.Adam(generator.parameters(), lr=2e-3, betas=(0, 0.99))训练生成器从潜在空间生成图像,并优化损失。if preserve_color:   id_swap = [9,11,15,16,17]z = range(numiter)for idx in tqdm( z):   mean_w = generator.get_latent(torch.randn([latents.size(0), latent_dim]).to(device)).unsqueeze(1).repeat(1, generator.n_latent, 1)   in_latent = latents.clone()   in_latent[:, id_swap] = alpha*latents[:, id_swap] + (1-alpha*mean_w[:, id_swap]   img = generator(in_latent, input_is_latent=True)   with torch.no_grad():       real_feat = discriminator(targets)      fake_feat = discriminator(img)   loss = sum([functional.l1_loss(a, b) for a, b in zip(fake_feat, real_feat)])/len(fake_feat)        if use_wandb:       wandb.log({"loss": loss}, step=idx)       if idx % log_interval == 0:           generator.eval()           my_sample = generator(my_w, input_is_latent=True)           generator.train()           wandb.log(           {"Current stylization": [wandb.Image(my_sample)]},           step=idx)   g_optim.zero_grad()   loss.backward()   g_optim.step()使用 JojoGAN 生成结果现在生成结果。下面已经为原始图像和示例图像生成了结果以进行比较。#Generate resultsn_sample =  5seed = 3000torch.manual_seed(seed)with torch.no_grad():   generator.eval()   z = torch.randn(n_sample, latent_dim, device=device)   original_sample = original_generator([z], truncation=0.7, truncation_latent=mean_latent)   sample = generator([z], truncation=0.7, truncation_latent=mean_latent)   original_my_sample = original_generator(my_w, input_is_latent=True)   my_sample = generator(my_w, input_is_latent=True)# display reference imagesstyle_images = []for name in names:   style_path = f'style_images_aligned/{strip_path_extension(name)}.png'   style_image = transform(Image.open(style_path))   style_images.append(style_image)face = transform(aligned_face).to(device).unsqueeze(0)style_images = torch.stack(style_images, 0).to(device)my_output = torch.cat([face, my_sample], 0)output = torch.cat([original_sample, sample], 0)生成的结果现在,你可以使用 JojoGAN 生成你自己风格的图像。结果令人印象深刻,但可以通过调整训练方法和训练图像中的更多特征来进一步改进。结论JojoGAN 能够以快速有效的方式准确地映射和迁移用户定义的样式。关键要点是:· JojoGAN 可以只用一种风格进行训练,以轻松映射并创建任何面部的风格化图· JojoGAN 非常快速有效,可以在不到一分钟的时间内完成训练· 结果非常准确,类似于逼真的肖像· JojoGAN 可以轻松微调和修改,使其适用于 AI 应用程序因此,无论风格类型、形状和颜色如何,JojoGAN 都是用于风格转移的理想神经网络,因此可以成为各种社交媒体应用程序和 AI 应用程序中非常有用的功能。       原文标题 : 使用JojoGAN创建风格化的面部图
  • [行业资讯] Spacee将表面转化为客户体验
    计算机视觉专家 Spacee 推出了 HoverTouch,这是一种即插即用的解决方案,可以将店内表面(如墙壁或玻璃)转变为交互式客户体验。HoverTouch还可以投射到产品上,例如展厅中的汽车。零售商还可以安装具有突出表面的专用信息亭解决方案,称为 HoverTouch React。零售商能够通过 HoverTouch 收集和分析每次客户互动的数据。使用HoverTouch,购物者不必触摸表面就可以与之交互——购物者可以将手悬停在表面上,以推动非接触式交互。客户体验非常类似于人们在网上使用光标所做的事情,将鼠标悬停在他们感兴趣的项目上并单击。HoverTouch Connect 功能使零售商、消费者品牌商及其代理机构能够控制内容、用户体验和设备管理,并提供可操作的数据。它允许客户及其代理机构在符合 HTML5 的媒体播放器中设计内容和部署内容。该系统旨在允许零售商轻松重用或重新利用现有内容。HoverTouch Connect 还允许零售商捕获有关客户交互的详细数据,这与电子商务交互期间收集的数据相当。据 Spacee 称,HoverTouch 的即插即用安装只需几分钟。最早使用 Spacee HoverTouch 的零售商之一是奥迪达拉斯,它是美国销量排名前 10 的奥迪经销商之一。拥有并经营奥迪达拉斯的福布斯托德汽车集团(Forbes Todd Automotive Group)总裁兼首席执行官汤姆·麦科勒姆(Tom McCollum)表示:“消费者又回到了商店,我们希望为他们提供令人难以置信的体验。我们研究了许多交互式体验产品,发现Spacee的HoverTouch不仅提供了最好的客户体验,而且最容易安装和运行。我们使用该产品的时间还不长,但已经看到我们使用 HoverTouch 推广的产品实现了两位数的店内销售额增长。”Spacee 创始人兼首席执行官 Skip Howard 表示:“零售商迫切需要数据,而 Spacee HoverTouch 可以提供与在线收集的数据相当的客户体验数据。我们很高兴将其推向市场,也很高兴我们的客户已经看到了对店内销售的显著影响。”
  • [新手课堂] 资讯| 【媒体报道】湖南日报头版:三大支撑 夯实基础,湘江鲲鹏服务器助力高考阅卷
    近日,湖南省政府办公厅印发《湖南省强化“三力”支撑规划(2022—2025年)》。规划明确,力争到2025年,电力、算力、动力体系建设取得重大进展,实现3个大幅提升。湘江鲲鹏是湖南省国产算力体系中的佼佼代表,是湖南“两芯一生态”战略的重要组成。6月13日,湖南省人民政府门户网站和湖南日报头版分别对湘江鲲鹏进行了重点报道。以下是报道详细内容:三大支撑 夯实基础 | 湘江鲲鹏服务器助力高考阅卷 高考已结束,高考阅卷正在紧张进行。记者6月12日从湖南湘江鲲鹏信息科技有限责任公司(以下简称“湘江鲲鹏”)获悉,自2020年至今,以湘江鲲鹏国产鲲鹏智能计算硬件架构为算力底座的高考网上评阅卷系统,已在贵州省高考评卷中连续应用3年,全方位守护考生每一分。在鲲鹏服务器的强大算力之下,考生答卷被高速智能扫描仪生成了清晰的电子文档;随后,客观题部分由计算机自动识别判分;主观题部分则按照题号被“切割”成了电子图像,实时出现在每位评卷老师的电脑之中。对标此前使用的服务器,湘江鲲鹏的鲲鹏服务器算力提升30%以上,但功耗降低20%;评卷系统页面打开及操作响应在0.5秒以内,无连接超时或服务挂起等问题发生,满足了高考网上评卷时间短、要求高、并发量大等要求。湘江鲲鹏相关负责人表示,选用鲲鹏服务器进行网上评卷,具有高性能计算、高可靠性、高能效等优势;更重要的是,高考试卷属于国家机密,鲲鹏服务器基于整机自研,算力基础安全可靠,对于高考评卷中涉及的相关信息、数据的处理与存储,能进行全方位的安全保密。目前,湘江鲲鹏紧抓技术迭代升级,联合华为、拓维信息在鲲鹏、昇腾、开源鸿蒙、云等方面进行全产业链合作,聚焦关键行业应用场景,构建自主创新的生态体系,致力为湖南高质量发展注入强大的“算力”动力。转自鲲鹏创新中心公众号
  • [视频点播] 视频点播配合播放器支持试看
    试看是指用户在观看音视频时,只能观看指定时长的内容。适用在付费、会员等场景。通常有以下几种试看方案:单独剪辑一个固定时长的视频文件。优点:安全性高,有效防止播放连接泄露,用户试看时只能拿到试看视频的播放地址,无法获取原始视频播放地址,实现简单,可分发。缺点:不能灵活支持不同的试看时长服务端支持试看。优点:安全可靠。缺点:需基于CDN能力支持试看。各厂家支持的格式不同,场景单一,无法灵活的支持多种格式的试看场景。在播放器端适配试看时长。优点:实现简单,配置方便。缺点:无法防止恶意用户抓取完整播放连接盗播。本文介绍一种基于播放器端控制播放时长,并结合视频点播防盗链的解决方案,做到灵活支持试看时长,配置方便,安全可靠。 步骤1、在视频点播平台配置防盗链,防盗链过期时间可设置成5-10min(根据试看时长设置)步骤2、生成带防盗链播放地址,在播放器设置试看时长,并且通过防盗链阻止用户抓取连接恶意盗播。 备注:可独立配置一个试看域名,配置防盗链时长。再配置一个正常播放的域名,在用户付费后,提供该域名对应的播放地址。 // 本文以播放器demo为例介绍试看简单实现。video_play播放地址src修改成实际可播放地址// 若需实现更精准的试看,可通过播放地址响应的错误码,及时更新防盗链秘钥信息。<!DOCTYPE html><html>    <head>        <meta charset="utf-8" />        <title></title>    </head>     <body>        <video id="video_play" src="https://example.hw-vod-play-xx.com/test.mp4?auth_info=xx***" controls="controls" autoplay height="100%" width="100%"></video>         <button id="fd_button" type="button" style="text-align: center;" onclick="fullScreen(document.getElementById('video_play'))">全屏</button>    </body>     <div style="display: none" align="center" id="video_show" >        <p style="font-size: 12px;margin-top: 10px;">您的试看已结束!</p>    </div>     <script src="./jquery-3.3.1.min.js"></script>    <script type="text/javascript">     // 注意不同浏览器兼容    function fullScreen(element) {      if(element.requestFullScreen) {        element.requestFullScreen();        } else if(element.mozRequestFullScreen) {        element.mozRequestFullScreen();      } else if(element.webkitRequestFullScreen) {        element.webkitRequestFullScreen();       }    }     var video = document.getElementById("video_play");    // 试看控制标识,如会员,付费等    var video_status = 0;    if (video_status !=1){        if(video){            video.addEventListener("timeupdate",function(){                var timeDisplay = Math.floor(video.currentTime);                // 单位:秒                if(timeDisplay>6*60){                    video.pause()                    this.webkitExitFullScreen();                    // 试看结束,隐藏视频以及相关属性                     video.setAttribute('src','');                      video.style.display="none";                     fd_button.style.display="none";                     //试看结束,显示提示                    $('#video_show').show();                }            },false)        }    }    </script></html>