随着智能手机的普及,近年来很多体育赛事的现场观众不再满足拿着可乐喊加油了,手机拍摄、社交媒体互动已经成了球迷观赛的必需,当然高尔夫球比赛也不能例外,观众们开始依赖科技带来的观赛体验。为了满足球迷的需求,赛事组织者以及比赛场馆运营者开始转向新兴科技的投入,包括高速的WIFI服务、云服务、移动技术以及分析工具等,以非凡的赛事体验来吸引更多观众的观看。
中东最佳球场遭遇老旧网络困扰
阿联酋高尔夫俱乐部是中东第一个达到世界赛事标准的草地球场,被称为“沙漠奇迹”。自1988年建成以来,凭借36洞的世界级高尔夫球场,俱乐部承办了这座城市最重要的两个赛事——迪拜沙漠精英赛和迪拜女子大师赛。
阿联酋高尔夫俱乐部由于建造年代久远,网络老化问题严重,加上早期网规不专业,俱乐部网络覆盖存在盲区。在重要比赛期间,大约会有3000球迷同一时间涌入球场。并发用户多,带宽和时延要求高,如何提升用户WIFI体验?是俱乐部面临的最严峻的问题。
2014迪拜沙漠精英赛开幕在即,网络改造工期非常紧张。俱乐部IT主管Sanjay Narula如是说:”我们处在一个随时随地实时互联的时代,我们希望给2014沙漠精英赛提供良好WIFI体验的网络覆盖。”
华为高质量WIFI解决方案赢得客户青睐
结合阿联酋高尔夫俱乐部的网络诉求及现网情况,华为与合作伙伴强强联手,推出全新的WIFI解决方案。其室内采用最新一代主要适用于高密场景的AP5010DN、AP6010DN、AP7110DN,室外采用AP6510DN,利用小角度天线保证覆盖距离和带宽。接入交换机采用的是华为S5700,Wireless controller采用的是AC6005(1+1备份)。无线漫游过程零丢包,最小时延不到1ms,平均时延3ms左右。信号强度与漫游效果出色的性能指标,让现场的阿联酋高尔夫俱乐部有关领导也忍不住竖起了大姆指。
一键仿真功能,精准高效规划:华为在无线领域有20多年的积累,并拥有专门网规工具开发团队。借助自研的网规工具,华为已成功交付过8万人规模的多特蒙德体育馆、阿贾克斯等高密场馆,无线交付的经验非常丰富。针对高尔夫球场建筑特点,地形起伏分布分散,室外采用小角度定向天线,定制化地调整网规工具各项参数,并利用工具自带的一键仿真功能,保证全覆盖和带宽的要求,精准快速完成网络规划,保障交付效果。
全面验收,确保交付成果:华为现场交付人员为了保证球场无线网络高质量的交付,对室内和室外无线覆盖的效果进行了全面的验收测试。在任意位置,单用户接入速率均可达到客户要求,客户现场体验后对华为整体无线覆盖方案、面板AP外观以及性能、专业的交付专家团队均给予了高度的认可。
极致网络畅享沙漠王国 华为WIFI助力阿联酋高尔夫俱乐部精彩不断
整个阿联酋高尔夫俱乐部项目的部署在48小时内全部完成,赶在2014年迪拜沙漠精英赛前完成了交付。赛事前后过程中,华为研发人员现场24小时全程保障,没有出现任何故障,完美的用户体验大大超过了客户的预期,得到了客户和观众的一直好评。对此,Sanjay Narula表示:”华为与合作伙伴一起提供的综合解决方案为高尔夫球场的传奇再添精彩。”
阿联酋高尔夫俱乐部是华为在海外首个高尔夫球场的场馆应用,此前,华为已在中国国家体育场(鸟巢)、上海F1赛车场、德甲多特蒙德主场、荷兰阿贾克斯主场、葡萄牙本菲卡体育场、马德里竞技体育场、乌兹别克斯坦国家体育场等场馆中成功部署高密WIFI网络,为近百万观众提供了优质的WIFI服务。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。