登录社区云，与社区用户共同成长
邀请您加入社区
芯片赋能的另一绝活，是4K AI影像增强，可以将常见的低分辨率内容（如标清/高清视频）通过AI算法升级至接近4K画质，特别是上世纪的经典作品，不再依赖所谓的“高清修复版”片源，随时随地都能欣赏高清化的经典影片。未来当我们在外忙碌了一整天回到家，打开电视，它将会是我们控制全家电器的中枢、提供影音娱乐的入口，还可能是陪我们唠嗑聊天的知心朋友，这些场景对电视的AI算力/能力、全屋AI设备提出了更高的要求
家庭NAS市场正以26%-42%的年增速扩张，用户对本地化存储的需求与现有方案的高门槛形成市场空白。贵州广电凭借政策支持（算力优惠、专项资金）、算力优势（55 EFLOPS智算能力）、庞大用户基础（600万电视用户）及机顶盒硬件改造潜力，有望通过“存储+内容”一体化模式切入市场，填补中低端家庭NAS服务空白。
背景：近年来，深度学习研究和产业化得到迅猛发展。随着移动端算力提升，实时性需求，以及用户数据隐私方面的考量，导致越来越多的推理任务从云端转移到移动端。移动平台上深度学习推理需要解决硬件平台、驱动、编译优化、模型压缩、算子算法优化和部署等问题。许多企业正在开发面向移动端的开源深度学习框架，如小米MACE、腾讯优图NCNN/TNN、阿里MNN和谷歌TensorFlow Lite等。现有的推理平台通常.
—深度学习（DL）在增强多输入多输出（MIMO）通信系统的信道状态信息（CSI）反馈方面展现出了巨大潜力，这也是 3GPP 标准组织目前正在研究的课题。数字孪生（Digital twins，DTs）已成为生成用于训练基于 DL 的 CSI 反馈模型的特定站点数据集的有效手段。然而，现有的大多数研究仅依赖于仿真，数字孪生在降低 DL 训练成本方面的有效性尚未通过现实的实验设置得到验证。
【摘要】2025年数字人产业面临技术成熟与商业停滞的悖论。高昂的隐性算力成本与割裂的用户体验，成为其规模化普及的核心障碍。
AIGC的应用不仅限于图像和文本生成，随着深度学习和神经网络的发展，AIGC已开始涉足音乐创作领域。AIGC通过对大量音乐数据的学习，能够生成旋律、和弦、节奏等各种音乐元素，并可以进一步根据不同的风格、情绪和需求创作符合要求的音乐作品。AIGC正在改变音乐创作和音效制作的方式，从自动作曲到音效生成，AIGC为创作者提供了更高效、更智能的创作工具。随着技术的不断进步，AIGC将在音乐行业中扮演越来越
在AI绘画StableDiffusion中，一直都有一个比较困难的问题，就是如何保证每次出图都是同一个人。今天就这个问题分享一些个人实践，大家和我一起来看看吧。固定Seed种子值出来的图片人物确实可以做到一致，但Seed种子值是相对整个画面的，导致这种方式生成的新图片效果差别太小，可能除了人物的脸保存了一致，人物的姿势也保持了一致，甚至画面的背景也保持了一致，出来的图片太过单调。此时我们虽然可以通
谷歌TPU挑战英伟达AI算力霸主地位 摘要：谷歌自主研发的TPU(Tensor Processing Unit)正成为英伟达GPU在AI算力领域的有力竞争者。TPU采用专为深度学习优化的脉动阵列架构，通过简化设计突破冯·诺依曼瓶颈，在能效比上实现"降维打击"。最新TPU v7性能大幅提升，BF16算力达4614TFLOPS，192GB HBM显存与英伟达B200相当，能效比提升
DeepSeek之后，大模型下半场的走向如何？蚂蚁华为阿里云已做出选择：携手近百家企业联手组局，将探索的航道驶向医疗新大陆。。如今，医疗机构想要快速、安全、稳定实现大模型落地，只需一键接入蚂蚁医疗大模型一体机设备，。同时还定制化配置成熟应用，直接给医院业务系统、医疗诊断、患者服务大升级。浙江省人民医院、北京市中医院、上海仁济医院等7家机构已成为首批接入合作的医疗机构。比如，。不止如此，蚂蚁与浙江卫
这背后的原因是什么？因为*现在的多模态视觉-语言模型（例如：Qwen2.5-VL）能很好地把图像和文字关联起来，图像直观且包含的信息量大，再加上模型经过大量图文数据的训练，还针对图像任务进行了优化，这正好符合咱们人类更习惯通过看图来理解的认知特点。*多模态视觉-语言模型*****
2020年，钱鹤、吴华强团队基于多阵列忆阻器，搭建了一个全硬件构成的完整存算一体系统，在这个系统上高效运行了卷积神经网络算法，成功验证了图像识别功能，比图形处理器芯片的能效高两个数量级，大幅提升了计算设备的算力，实现了以更小的功耗和更低的硬件成本完成复杂的计算。存算一体架构，就如同“在家办公”的新型工作模式，彻底消除了往返通勤的能量消耗，避免了往返通勤带来的时间延迟，还大大节约了办公场所的运营成本
是基于腾讯云大模型技术打造的智能代码辅助工具。它通过深度学习模型理解代码上下文，提供精准的代码建议和高效的错误分析，帮助开发者快速解决问题、优化代码逻辑。
数字孪生2.0时代正从可视化转向智能决策。镜像视界通过自主算法与国产算力，构建了包含Pixel2Geo坐标引擎、NeuroRebuild神经场重建、MatrixFusion视频融合和Cognize-Agent决策智能体的全栈技术体系，实现了从动态重建到认知决策的闭环。该系统具备厘米级定位、实时场景更新和智能行为分析能力，已在港口、安防等领域应用，部署成本降低60%。这一国产化方案不仅提升空间智能水
乐鑫科技推出ESP-DL深度学习开发库，专为ESP32系列芯片设计，支持神经网络推理、图像处理和数学运算。该库提供预置优化模型（如人脸检测）和自定义模型部署工具，通过量化计算和硬件协同加速，在ESP32-S3上实现显著性能提升（16位检测速度达ESP32的4.5倍）。ESP-DL可广泛应用于智能门禁、边缘AI等物联网场景，支持本地化AI处理，降低嵌入式设备开发难度，是推动AIoT普及的关键技术。
智能电视作为客户端设备，硬件资源有限（如低端GPU和CPU），无法本地运行高性能游戏。
本方案通过智能内容过滤和严格时长管控，为智能电视儿童模式提供可靠框架。开发中，优先使用开源工具（如TensorFlow Lite）降低成本，并强调家长参与以增强效果。实施后，能有效减少儿童接触风险内容，并培养健康观看习惯，提升产品竞争力。建议从小规模试点开始，逐步迭代完善。
利用C++实现的设备抽象层，为Python提供统一的计算接口。例如，PyTorch的张量对象实际存储于C++分配的固定长度数组中，而Python层维护了大量指针与元数据。例如，一个简单的元素级矩阵运算在纯Python循环中可能需要数秒，而等效的C++实现仅需毫秒级。例如，当PyTorch调用C++编写的底层算子时，必须保证张量数据的存储顺序（如NCHW vs NHWC）与设备内存对齐。基于MLIR
在智能安防应用中，可以通过扩展插槽添加更多的摄像头、存储设备、人员识别模块等，满足不同场景下的需求，提高系统的灵活性和可扩展性。在智能安防领域，需要进行复杂的图像处理、视频分析等任务，高性能计算能力可以保证设备的快速响应和高效运算，提升设备的智能化水平。智能安防设备是近年来发展迅速的领域，而工业一体机作为一种集成了计算、控制、显示等功能的综合设备，在智能安防领域中具有很多优势。未来，随着人工智能、
AI质检技术正全面革新制造业质量管控体系。2025年数据显示，AI质检准确率突破99.5%，较人工提升24-49个百分点，缺陷率平均下降68%。该技术通过深度学习算法和多模态感知，实现微米级缺陷识别，检测效率较人工提升100-2000倍。在电子制造、汽车零部件、新能源等领域，AI质检已规模化应用，如半导体晶圆检测精度达人眼1000倍以上。尽管存在中小企成本压力等挑战，随着通用大模型发展和政策支持，
摘要：夏杰语音TV是一款智能电视语音输入工具，整合语音识别、智能输入和AI助手功能，显著提升电视交互体验。支持高精度语音识别、20多种方言及多模态输入方式，实现应用直达、内容搜索等智能控制。通过AI助手提供信息查询、内容推荐服务，并优化设备兼容性和用户体验。特别适合家庭娱乐场景，降低老年人和儿童使用门槛，为视障用户提供便利。该工具将电视转变为智能交互中心，是提升家庭娱乐体验的创新解决方案。
本文提出了一种基于改进YOLOv11-LSCD算法的树脂应用质量检测与分类系统。该系统通过引入LSCD（轻量级空间通道双重注意力）模块，显著提升了树脂制品缺陷检测的准确率。研究构建了包含5000张样本的专业数据集，涵盖气泡、裂纹等多种缺陷类型，并采用数据增强技术提升模型泛化能力。实验结果表明，该系统在工业环境中实现了高效、准确的实时检测，为树脂制品质量控制提供了智能化解决方案。未来研究将聚焦于扩大
基于深度学习的服装搭配系统的研究内容主要包括以下几个方面：1. 数据收集：研究者通过收集大量的服装搭配数据，包括消费者上传的服装搭配图片和相关的搭配信息等，为系统提供丰富的数据资源。此外，随着人们生活水平的提高，对于时尚的追求也越来越高，基于深度学习的服装搭配系统可以为消费者提供更加丰富、多样化的搭配选择，满足他们不断变化的需求。实验法：通过构建基于深度学习的服装搭配系统，收集大量的数据，对系统的
4. 数据集生成机制 数据集生成阶段，学员将逐步拆解GNU Radio的构建机制：挑选源信号（如声音或字符串输入）、多样调制模式（涵盖PSK、QAM、PAM、GFSK、AM、FM、OFDM等）、信道仿真组件（包括频率偏移、采样失真、多径效应、瑞利/莱斯衰减、AWGN噪声），并以模块拼装方式输出灵活数据集。不同于传统的参数优化，本课程强调通过模型学习 性能指标（功耗、增益、带宽、噪声等）→电路参数（
擅长数据搜集与处理、建模仿真、程序设计、仿真代码、论文写作与指导，毕业论文、期刊论文经验交流。
目的在于深入研究电商数据分析的智能化应用，揭示如何利用先进的数据分析技术提升电商企业的运营效率和竞争力。范围涵盖电商数据的收集、处理、分析以及基于分析结果的智能化应用，包括但不限于精准营销、用户行为预测、库存管理等方面。本文首先介绍电商数据分析智能化应用的背景信息，包括目的、预期读者和文档结构。接着阐述核心概念与联系，通过文本示意图和 Mermaid 流程图展示其原理和架构。然后详细讲解核心算法原
老照片修复”（old photo restoration）传统上是工匠对纸质照片进行画笔修补，清除裂痕、污点、补色、平衡构图，让旧照片恢复原貌。随着图像数字化普及，这类照片往往被扫描为 JPG/PNG 等格式。再加上计算机处理能力与深度学习的发展，如今“图像修复”技术已经进入自动化时代。
AI与宠物识别的融合，不仅是技术层面的“工具革新”，更是产业层面的“生态重构”——它让养宠从“凭经验”的传统模式，转向“靠数据”的科学模式，同时为宠物经济打开了“技术+服务”的新增长曲线。对于技术从业者而言，这一领域兼具“落地性”（需求明确、场景成熟）与“创新性”（多模态、大模型仍有探索空间）；对于普通养宠人群而言，未来将享受到“更省心、更安心、更有趣”的养宠体验。随着技术的持续迭代与行业规范的完
本文对比了GPU和CPU的特点及其适用场景，指出GPU凭借并行计算优势更适用于深度学习和大模型任务。针对经济金融研究需求，文章提供了三档GPU配置建议：入门级RTX4060适合教学演示和小规模实验；主力级RTX4070/4070SUPER可支持7B级LLM微调；重度级RTX4090适用于13B级模型训练。同时强调传统计量分析通常只需CPU即可完成。最后指出，GPU在文本分析、LLM微调和多模态任务
本文介绍了一个基于Java技术的古典舞在线交流平台系统。该系统采用Spring Boot框架简化开发流程，MySQL数据库实现数据存储管理，旨在解决古典舞传承中的时空限制和专业性不足问题。平台整合了5G、AI动作分析、VR等新技术，提供专业教学、文化交流和社交互动功能。系统界面展示了用户管理、视频教学、社区互动等核心模块，技术实现上通过多线程处理和异常捕获确保稳定性。该平台响应国家文化数字化战略，
需要注意的是，在500/600系列芯片组的主板上，由于11代和12代酷睿CPU的核显不支持传统Legacy的显示方式，若需看到并开启iGPU Multi-Monitor设置，需将BOOT--Launch CSM--Disabled（关闭）需要注意的是，AMD X670/B650系列芯片组的主板，CPU都带核显，并且如果要看到并开启IGFX Multi-Monitor设置，也需将BOOT--Laun
在智能电视芯片中，ARM Cortex-A73 和 Cortex-A55 是常见的 CPU 核心架构，它们通常被集成到 SoC（System on Chip）中，如联发科（MediaTek）或瑞芯微（Rockchip）的解决方案。性能差异主要体现在单核性能、多核扩展性和特定任务处理能力上。关键点：A73 偏向“性能优先”，A55 偏向“效率优先”，两者常通过 ARM 的 DynamIQ 技术在 S
智能电视
——智能电视
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
九章云极普惠算力
2048 AI社区
火山引擎 ADG 社区
鲲鹏昇腾开发者社区
昇腾开源生态专区
DAMO开发者矩阵
