谷歌 MagicLens：AI 深度理解图像关系的新纪元

核心见解

图像关系的深层理解：MagicLens 通过分析同一网页上出现的不同图像，认识到它们之间存在某种联系。例如，“卡车形态的擎天柱"和"汽车人形态的擎天柱"之间的关系是"变形后的样子”。

三元组数据训练：MagicLens 使用了 3670 万个查询图像、指令和目标图像的三元组数据进行训练。这一庞大的数据集使其成为迄今最强大的图像检索模型。

MagicLens 项目主页：详细信息和技术细节可在 MagicLens 项目主页 上找到。

论文链接：有关 MagicLens 的更多信息，请参阅论文 MagicLens: Deep Understanding of Image Relations。

MagicLens核心技术

高分辨率传感器和景深扫描传感器：MagicLens使用多个传感器捕获彩色图像和深度数据。这些数据用于实时生成用户的三维模型，使其感觉像坐在对面聊天一样。

光场显示器：MagicLens采用65英寸的光场显示器，能够重新生成逼真的体积和深度感。用户无需佩戴眼镜或耳机即可体验全息效果。

数据压缩和传输：MagicLens需要处理大量数据，包括彩色图像、深度图和音频。高端NVIDIA显卡用于编码和解码这些数据，实现低延迟的传输。

MagicLens的技术突破将影响通信、娱乐、医疗等领域。虽然目前仍有一些挑战，如发热问题和视觉疲劳，但这是通向全面增强现实体验的一大步。