検索結果 SpatialAI
SpatialAI コミュニティ
1つのキーワードが1つのコミュニティです。
アカウント
見つかりません
SpatialAI を含む検索結果
【最新】空間理解 #AI×##XR# で現場DXを加速🥽
ナレッジワークス(株)が、「Spatial AI 導入・PoC支援サービス」を提供開始。
カメラ映像やLiDARデータをAIが解析し、XRデバイス上に必要な情報を表示。
企業ごとの環境や業務フローに合わせたシステムを構築する。
@knowledge_works
もっと見る
[UP NEXT/Teaser]📣&TEAM "Love Jang + Night to howl!"｜Spatial Audio🎧Live
📌2026.10.17 6PM(KST)
[Teaser Trailer]👉👉
&TEAM's Encore Live🎶 Romantic & Wild Charms You Can't Miss!
ロマンも野性味も見逃せない&TEAMのアンコールライブ🎶
¡Ni el romance ni la fiereza te puedes perder! Encore Live de &TEAM🎶
#K팝# #kpop# #앤팀# #andTEAM# #러브장# #LoveJang# #Night_to_howl#
#spatialaudio# #soundbomb360# #공간음향# #싸운드밤# #사운드밤#
もっと見る
📣[지금 공개!] [4K]보이스 포커스 버전 직캠｜네이즈
📣[OUT NOW!] [4K]Voice Focused FanCam｜NAZE
📣[今公開!] [4K]音声重視のチッケム｜NAZE
📌#카이세이# #KAISEI👉👉#
📌#윤기# #YOUNKI👉👉#
📌#아토# #ATO# 👉👉
📌#턴# #TURN# 👉👉
📌#유야# #YUYA👉👉#
📌#김건# #KIMKUN👉👉#
📌#도혁# #DOHYEOK👉👉#
#voicecam# #보이스캠#
#네이즈# #NAZE# #PrettyPinkSocks#
#spatialaudio# #kpop# #soundbomb360# #공간음향# #싸운드밤# #사운드밤#
@NAZE_officl
もっと見る
万博パビリオン「null²」の豊田啓介氏ら15名が登壇「JAPAN SPATIAL FORUM IN OSAKA 2026」11月20日、大阪・なんば...
ディープラーニングを利用したフレーム補間技術RIFEとアップスケーリング技術MetalFX Spatialを利用し高負荷なMacゲームをより滑らか＆鮮明にプレイできるようにするアプリ「Adrenaline」がリリース＆8月31日まで無料配布中。
もっと見る
TechFirst Leaders、Android XR対応スマートグラス「XREAL AURA」向けARアクションゲーム『Spatial Slash!』をGoog...
世界最高峰のクリエイティブ・デザインアワード『D&AD Awards 2026』の「Spatial Design（空間デザイン）」部門において、BMSG 5周年記念プロジェクト「BLACK RECORDS」が「Wood Pencil」を受賞いたしました。
🔗
#BMSG#
@dandad
もっと見る
#あいみょん10th#
☁️ ☁️ ☁️ ☁️ ☁️ ☁️ ☁️ ☁️
AIMYON 10th Anniversary
contents #03#
AIMYON Spatial Audio Collection
☁️ ☁️ ☁️ ☁️ ☁️ ☁️ ☁️ ☁️
これまでのあいみょんの楽曲が、
ドルビーアトモスによる空間オーディオ配信！
ぜひチェックしてください🎧
もっと見る
TL;DR 空間推論を文章生成ではなく「候補を選ぶ分類問題」として扱うことで、VLMを最大5.6倍高速化しつつ精度も向上させた研究です。
タイトル: MJev-Spatial: System One Spatial Intelligence via Native Attention Matching
URL:
ポイントはこちらです。
・🎯 選択・数値・座標指定をすべて「有限候補の分類」として統一的に扱う設計
・🧠 新しい予測ヘッドを追加せず、モデルが元から持つクエリ・キー注意機構を再利用してスコアリング
・📐 座標指定は3×3グリッドを3段階クロップし直して絞り込む階層的な精密化
・🚀 B200 GPUでの平均レイテンシ160.6ms、自動回帰ベースライン比2.5倍、ベースモデル比5.6倍高速化
・📊 12ベンチマーク平均65.64%でQwen3-VL-8Bなど既存手法を上回り、7ベンチマークで1位
・🔢 距離推定は細かく区間を切るより粗めの方が精度が良いという意外な結果も
・🌲 確率木を使えば追加学習なしで複数点予測にも拡張可能
テキスト生成を経由しない「直感的な分類」という発想の転換が、速度と精度を両立させているのが面白いです。
#VLM# #空間推論#
もっと見る
TL;DR 空間推論を文章生成ではなく「候補を選ぶ分類問題」として扱うことで、VLMを最大5.6倍高速化しつつ精度も向上させた研究です。
タイトル: MJev-Spatial: System One Spatial Intelligence via Native Attention Matching
URL:
ポイントはこちらです。
・🎯 選択・数値・座標指定をすべて「有限候補の分類」として統一的に扱う設計
・🧠 新しい予測ヘッドを追加せず、モデルが元から持つクエリ・キー注意機構を再利用してスコアリング
・📐 座標指定は3×3グリッドを3段階クロップし直して絞り込む階層的な精密化
・🚀 B200 GPUでの平均レイテンシ160.6ms、自動回帰ベースライン比2.5倍、ベースモデル比5.6倍高速化
・📊 12ベンチマーク平均65.64%でQwen3-VL-8Bなど既存手法を上回り、7ベンチマークで1位
・🔢 距離推定は細かく区間を切るより粗めの方が精度が良いという意外な結果も
・🌲 確率木を使えば追加学習なしで複数点予測にも拡張可能
テキスト生成を経由しない「直感的な分類」という発想の転換が、速度と精度を両立させているのが面白いです。
#VLM# #空間推論#
もっと見る