行业分类:
加载中...
头条分类:
加载中...
苹果专利设想Face Sensor系统:改善Vision Pro头显佩戴舒适度
IT之家 5 月 10 日消息,科技媒体 patentlyapple 今天(5 月 10 日)发布博文,报道称苹果公司获批一项专利,描述了全新的 Face Sensor 系统,不仅能改善佩戴舒适度,而且精准追踪眼球动作。 部分苹果 Vision Pro 用户反映,长时间佩戴设备会导致眼疲劳、头痛和颈部不适。究其原因,设备的重量和贴合度设计可能不够理想,显示屏的高强度视觉刺激也可能加剧不适。 问题曝光后,苹果工程师迅速行动,投入大量精力改进设计,力求在下一代产品(如 Vision Pro 2)中解决这些问题,苹果目前已申请多项相关专利,涵盖舒适性改进的多个方面。 IT之家援引博文介绍,在最新专利中,苹果提出了 Face Sensor 系统,通过检测用户面部特征和对齐情况,帮助设备更精准地贴合头部。 正确的佩戴位置不仅能优化显示屏与眼睛的对齐,提升视觉体验,还能平衡重量分布,减轻面部压力。专利中特别提到,传感器(如#310 和#370)可测量用户面部多个区域(如额头、鼻子和脸颊)的距离,确保设备的光密封(Light Seal)舒适贴合。 Face Sensor 系统包括图像传感器、深度传感器和热成像(红外)等多种传感器,深度传感器可通过立体三角测量、结构光或飞行时间(Time-of-Flight)技术,精确测量面部区域距离。
Google Play强制新规:应用必须适配16KB页面大小
IT之家 5 月 10 日消息,科技媒体 9to5Google 昨日(5 月 9 日)发布博文,报道称谷歌将于 2025 年 11 月 1 日开始,其 Google Play 应用商店将推行新规,针对安卓 15 及以上版本的新应用及应用更新,必须支持 16 KB 页面大小。 若应用未重新编译适配这一规格,未来在支持该功能的 Android 设备上可能无法正常运行。 谷歌表示,许多应用已具备兼容性,无需调整;无原生代码的应用可直接适配;使用原生代码库或 SDK 的应用可能需更新至兼容版本;包含原生代码的应用则需使用最新工具链重新编译,并检查是否存在不兼容的低级内存管理代码。 谷歌安卓 15 此前版本基于 4 KB 页面大小构建和优化运行。IT之家注:页面大小是指操作系统通过内存管理单元(MMU)将程序地址转换为物理内存位置的基本单位。每次程序需要更多内存时,系统必须介入并填写“页面表”(page table)条目,将内存分配给相应进程。 伴随着设备制造商(OEM)不断增加内存大小,以优化性能,16 KB 页面大小逐渐成为趋势。安卓 15 通过重构操作系统,实现了页面大小无关性,确保应用能在支持更大页面大小的新设备上运行。 测试显示,这项技术带来多项性能改进:应用启动速度提升 3% 至 30%,电池续航平均延长 4.5%,相机启动速度加快 4.5% 至 6.6%,系统开机速度提升约 8%,整体性能提升了 5-10%。 而 16 KB 页面大小是 4 KB 的四倍,意味着系统管理的工作量减少了四分之三。这让系统能将更多资源用于提升视频播放效果、游戏流畅度和应用运行效率。
安卓重大更新!引入“任务栏” 谷歌意在提振手机生产力?
将于2025年5月20日至21日召开的谷歌全球开发者大会(Google I/O 2025)已进入倒计时。 为了即将举行的全球开发者大会,谷歌这次也是准备了不少预热好料,不仅提前宣布推出Gemini 2.5 Pro Preview(I/O版),更表示将会提前一周举行一场特别直播节目,将重点介绍Android 16系统的新特性及生态系统最新进展。 没错,就是越来越少国人关注的原生安卓系统。 和每次更新后,小雷的同事们总会争先恐后地水一篇文章的iOS相比,现在原生安卓更新的影响力,就像全红婵跳水一样,入水见不到一滴水花,留下来的只有安静现场的一丝尴尬。 当然了,出现这种情况的主要原因,还是国产手机厂商们太“给力”了。 说句不好听的,和苹果那边每次实打实拿一堆新功能的真更新不同,安卓在功能上的更新往往是追认厂商魔改的合法性,从好几种魔改方案里选定一个作为标准,大多数时候,厂商们的更新都走在了谷歌前面。 要说新花样的话,倒也不是没有。 (图源:Android Authority) 根据科技媒体Android Authority昨日发布的博文,谷歌正为安卓手机,移植来自平板的任务栏体验,研发迷你任务栏(tiny taskbar),以此改善小屏幕上的多任务处理体验。 真的假的,安卓手机也要有自己的任务栏了? “小任务栏”上手机 首先,给不大熟悉原生安卓的用户科普一下。 早在Android 12L的时候,谷歌为了优化大屏设备体验,针对平板和折叠屏推出了一个底部任务栏功能,让用户可以把常用应用固定在上面,还能选择常驻或临时显示模式,到了需要的时候再叫出来。 (图源:Google) 当然了,这个版本的底部任务栏还挺粗糙的。 即便如此,它也能够实现“点击就切”的后台操作流程,通过类似PC的交互逻辑,让用户快速切换应用、实现分屏操作、简化应用管理流程,甚至能为移动设备带来更高效的生产力场景支持。 总而言之,对于经常需要工作,记笔记,画个画的用户,这功能还是很香的。 于是谷歌一拍脑门决定:这个功能,手机也得有! 所以从去年开始,谷歌就着手把“任务栏”塞进手机里头,除了针对较小的手机屏幕进行了缩小,还需要对原有导航条的位置进行适配,这才有了现在这款正在开发的 迷你任务栏。 (图源:Youtube) 从目前的演示视频来看,迷你任务栏在安卓手机上的适配做得还算不错。 用户可以通过在导航栏上滑呼出迷你任务栏,最左侧是应用托盘,中间则包含了手机底部的四个图标(电话、短信、浏览器和相机),还能通过左滑快速找到被固定显示的常用应用。 没错,就和折叠屏上现在非常常见的任务栏如出一辙。 不同的是,谷歌还为这个任务栏定制了一个独特的“最近应用轮播”界面,有点像PC上的Alt+Tab,或是苹果iPad的台前调度,点击后会弹出一个轮播式界面,展示最近打开的6个应用,算是一个专门为手机设计的轻量级多任务组件。 (图源:Youtube) 比起现在手机常见的卡片式后台,全新的轮播式界面看起来确实有点意思。 看到这里,大伙是不是也有点兴奋了,虽然咱们是不用原生安卓系统的,但要是谷歌这边都把功能上线了,还愁国内手机厂商不适配吗? BUT,重点来了! 目前的迷你任务栏,依然有着海量BUG,其中一个BUG就是“无法启动轮播应用”。 你没有看错,现在这个轮播式界面只是个展示图,用户点了对应的卡片以后并不会跳转过去。 不仅如此,当用户将主界面的应用数量设定为5x5的时候,由于主屏界面里根本没有足够的水平空间来同时容纳五个应用,因此迷你任务栏会因空间不足被截断,无法做到完整显示。 换言之,这项功能目前也不过是个半成品罢了。 能让后台更好用? 能否支持后台程序,一度是划分“智能手机”和“非智能手机”的界限。 在那个诺基亚主宰世界的年代,将S40手机和S60手机之间区分开的,除了SIS/SISX等专用应用安装包格式,就是所谓的后台机制了,哪怕RAM可能只有20MB上下,但是能在看电子书的同时保持QQ运行这一点,还是给当时年幼的我留下了很深的印象。 对了,当时的索尼爱立信手机,尽管只能使用Java应用,但却支持后台应用运行,也因此被我们戏称为半智能手机。 (图源:索尼爱立信) 进入iOS和安卓的时代后,后台的切换方式就变得比较统一了。 两者都是通过特定按键/手势,进入一个卡片化的后台界面,这些卡片的排列方式可能是简单的横向排列,部分定制系统(如MIUI、ColorOS)则可能改为堆叠式或竖向列表,但是整体操作逻辑是高度趋同的。 这样的体验,在只需要操作一个应用时自然没啥问题,但在涉及多任务的时候就会显现出明显的短板:需要切换到后台界面的次数过多了。 解决这个问题的方案,是一个能够常驻的后台界面,或者说任务栏。 (图源:苹果) 苹果iPad上的台前调度,就是这种思路的一种体现。 谷歌这边也没闲着,除了迷你任务栏外,他们还会在Android 16中升级分屏模式,全新的分屏模式将支持同时最多运行3款应用程序,其中,两个应用程序共享90%的屏幕,第三个应用程序占据剩余的10%,只需点击应用程序窗口的任何位置即可快速将其放大。 (图源:Youtube) 出现在Android 16 Beta 4中的泡泡栏,则提供了一种气泡化的后台机制,谷歌允许任意应用化身为可收起的小窗口,用户可以随时固定、切换、以浮动窗口的形式打开这些应用,减少反复调出最近任务列表的操作。 (图源:Android Authority) 很明显,谷歌正在投入大量精力来增强安卓手机上的多任务处理体验。 他们的目标也很明确,在性能已经有些过剩的情况下,手机不应该再只是一个“打开一个应用干一件事”的娱乐通讯工具,而是要能让你快速切换、多个应用同时挂起、像平板一样处理事务的“轻生产力工具”。 要说争议,当然是有的。 哪怕是现在这个时间点,依然有不少酷安网友在这项功能曝光的帖子下开战,很多网友表示他们目前根本不需要这么“重度”的移动操作系统,比起本就不多的多任务操作,他们更担心迷你任务栏的存在会“挤占屏幕空间”。 在我看来,“挤占屏幕空间”并不是最大的问题。现在的手机厂商们,为了追求握持手感和屏幕尺寸,把主流手机的比例做得又长又窄,底部的冗余空间正好可以用来放置任务栏,也不会影响到视觉中心关注的显示区域。 相反,谷歌自身和国内厂商们对导航条适配的摆烂,才是我对这项功能没有信心的根本原因。时至今日,依然有国内Top 5厂商的旗舰手机无法实现沉浸式导航条,每次打开深色模式,屏幕底部都跟一条光剑似的,实在很难想象迷你任务栏出来后会是怎样的观感。 我认为,如果谷歌能够设法解决这些悬而未决的问题,那么迷你任务栏绝对有望成为近年来安卓手机最大的一次多任务升级。 但想把安卓手机推向“轻生产力设备”方向?谁平时会在手机上做多任务操作?聊天+短信+复制密码算不算生产力? 只能说谷歌,任重而道远。
摩托罗拉Moto G86 Power 5G手机曝光:四色可选、6720mAh电池
IT之家 5 月 10 日消息,科技媒体 Android Headline 昨日(5 月 9 日)发布博文,分享了一组渲染图,展示了 2026 款摩托罗拉 Moto G86 Power 手机。 颜色方面,消息称摩托罗拉将会带来 Chrysanthemum(淡红色)、Cosmic Sky(薰衣草紫)、Golden Cypress(橄榄绿)和 Spellbound(蓝灰混色)四种颜色。 每种颜色不仅外观不同,背板设计也各有千秋。Spellbound 版本疑似采用环保皮革材质,而其他三款则呈现不同纹理图案,其中 Cosmic Sky 版本背板类似织物质感。 设计方面,Moto G86 Power 5G 与 Moto G86 几乎一致,配备直屏、平直边框。摄像头模块位于左上角,与背板无缝衔接,覆盖相同材质,略高于背板表面。 电源键和音量键位于右侧,顶部印有“Dolby Atmos”标识,前置摄像头采用打孔设计,边框较薄。相比 Moto G86,这款新机因电池容量更大,机身更厚,重量也增至 198 克。 规格方面,Moto G86 Power 5G 的硬件配置与 Moto G86 基本相同,但电池容量提升至 6720mAh。 屏幕为 6.67 英寸 pOLED 显示屏,支持 120Hz 刷新率,分辨率为 2712 x 1220 像素,并有 Corning Gorilla Glass 7i 保护。设备预装 Android 15 系统,承诺 2 年系统升级和 4 年安全更新。 处理器采用联发科天玑 7300,提供 8GB 或 12GB RAM,以及 128GB 或 256GB 可扩展存储。 相机方面,后置主摄为 5000 万像素(f/1.88 光圈,Sony LYTIA 600 传感器,支持 OIS),搭配 800 万像素微距镜头,前置摄像头为 3200 万像素。防护性能上,Moto G86 Power 5G 通过 IP68 / IP69 和 MIL-STD-810H 认证。
水泥能发电还能储电!中国科学家全球首创仿生自发电-储能混凝土
快科技5月10日消息,近日,中国工程院院士、东南大学教授缪昌文团队发布全球首创的仿生自发电-储能混凝土。该技术直击建筑行业高能耗痛点,以水泥为载体开辟全新能源路径,有望重塑未来建筑与能源格局。 有数据显示,目前,我国建筑全过程能耗占到全国能源消费总量的45%,碳排放量占全国排放总量超50%。同时,光伏发电受天气制约、储能成本高昂。 针对这些问题,东南大学团队研发出N型热电水泥和P型热电水泥两种自发电水泥基超材料,试图将水泥从“能源消耗者”变为“能源综合体”。 团队科研人员介绍,自发电水泥基超材料只要存在温差就能持续发电,这填补了清洁能源受天气制约的供应缺口。 此外,其抗压强度提升60%、韧性增强近10倍,破解了传统热电材料力学性能不足的难题。 此外,团队还研发出自储电水泥基超级电容器,在保持水泥高强度的同时,将离子导电率提升6个数量级,具有良好的电化学可逆性与快速的电荷转移能力,2万次充放电循环后,仍然能保持其初始比电容的95%,可与建筑同寿命。 据介绍,仿生自发电-储能混凝土有望重塑多个领域的能源格局。在建筑领域,自发电、自储能水泥制成的墙板可使建筑大幅降低对外部电网的依赖,变身绿色能量体; 交通场景中,混凝土道面可凭借巨大表面积,成为可发电储电的零碳服务区;在偏远地区,无人基站、环境监测传感器等设备,可依靠水泥的自发电特性稳定运行,解决传统电源供应难题; 低空经济领域,自供电混凝土跑道既能为飞行器提供无障碍起降场地,又能在其停留时极速补充续航能量,推动城市空中交通安全高效发展。
8800万光年外的“双黄蛋”:椭圆星系NGC 3640的“吞噬”之旅
IT之家 5 月 10 日消息,科技媒体 scitechdaily 今天(5 月 10 日)发布博文,报道称来自欧洲南方天文台(ESO)的天文学家,借助位于帕拉纳尔观测站的 VLT 巡天望远镜(VST),观测椭圆星系 NGC 3640 曾“吞噬”其他星系的历史。 IT之家注:NGC 3640 是一个位于宇宙深处、距离地球约 8800 万光年的椭圆星系。在 VLT 巡天望远镜(VST)的高清图像中,由于附近一颗较小星系的靠近引发的视觉效果,它呈现出明亮的“煎蛋”外观,中心仿佛有两个“蛋黄”。 NGC 3640 是一个被 VST 相机捕捉到的带有伤痕的椭圆星系,显示出过去星系大餐的证据。但它的小邻居 NGC 3641 似乎毫发无损地溜走了。 星系在漫长的演化中会相互影响,它们掠夺气体和恒星,甚至碰撞并融合。这些互动往往留下扭曲的形状和微弱的弥散光作为证据。NGC 3640 的“伤痕”(扭曲的外形和周围的光晕),正是过去星系合并的印记,为天文学家提供了研究其动荡历史的线索。 为了深入观测 NGC 3640 及其邻居 NGC 3641,意大利国家天体物理研究所的研究团队聚焦观测它们的球状星团(globular clusters),这些由引力紧密束缚的恒星群,往往包含星系中最古老的恒星,被视为星系历史的“化石标记”。 超大巡天望远镜(VST)在这里捕捉到了一个充满各种星系的“动物园”,填满了太空中的空虚。在这个多彩多样的 星系群中心,是椭圆星系 NGC 3640,它就位于较小的邻居星系 NGC 3641 的上方。天文学家特别关注这两个星系之间的互动方式,通过研究它们古老 星团的群体来探究它们的共同历史。 通过分析这些星团,科学家得以重构星系的过去,包括早已结束的合并与互动事件。研究显示,NGC 3640 曾多次“吞噬”其他星系,这让它的历史显得格外复杂。 尽管 NGC 3640 展现出强大的“吞噬”能力,但它的邻居 NGC 3641 似乎并未受到威胁。研究发现,NGC 3641 的形状和内部球状星团都没有明显的扭曲迹象。 这表明,尽管两者的互动速度很快,但距离尚不足以让 NGC 3640 对其构成直接威胁。NGC 3641 暂时安全,但未来是否会逃脱“吞噬”的命运,仍是天文学家关注的焦点。
比亚迪合肥号、开拓者1号相继抵达巴西,合计装载超万辆新能源车
IT之家 5 月 10 日消息,“合肥号”“开拓者 1 号”是比亚迪定制的专用汽车滚装运输船,最大 7000 个标准车位,前者于 2025 年 1 月 7 日正式启航,后者已执行多次运输任务。 博主 @小迪快报 今日透露,两船已于近日相继抵达巴西波图塞尔港,合计运载超 10000 辆比亚迪新能源汽车。 与此同时,装载超 7000 辆车的“深圳号”(IT之家注:最大 9200 个标准车位,为全球最大汽车滚装船,4 月 2 日正式启航)正在前往巴西的首航路上。 公开资料显示,“开拓者 1 号”作为首艘由国内船厂打造、专为中国汽车出口量身定制的运输船,其总长达到了 199.9 米,型宽 38 米,设计吃水深度为 8.6 米,最高航速可达 19 节,载车量高达 7000 台。该船采用了先进的 LNG 双燃料动力技术,不仅能满足多元航线需求,还能轻松装载各类新能源车辆。 “合肥号”是中国船舶集团旗下中国船舶工业贸易有限公司与广船国际有限公司交付的系列汽车运输船“绿色低碳升级版 2.0”。该船配备了 LNG 双燃料推进系统,满足智能船舶要求,同时采用节能装置,是一艘绿色环保高效的汽车运输船。 目前,巴西已成为比亚迪最大的海外市场,在当地销售的车型涵盖紧凑型车、SUV 和皮卡。同时,比亚迪也是巴西近两年投资增长最快的中国汽车制造商。 据巴西政府统计,比亚迪位于巴伊亚州卡马萨里的工厂有望将年产能提升至 30 万辆。此外,比亚迪去年 5 月曾表示计划到 2024 年底在巴西开设 250 家门店,但后续没有公布更详细的数据。 截至 2025 年 4 月,比亚迪新能源汽车已进入全球 110 多个国家及地区。2024 年,比亚迪乘用车海外市场销售 41.7 万辆,同比增长 72%。2025 年一季度,比亚迪乘用车和皮卡海外市场销量超 20 万台,同比增长 110%。 未来比亚迪计划共运营 8 艘滚装船,目前正式投入的有 4 艘,分别是开拓者 1 号、合肥号、常州号、深圳号,而比亚迪第二艘 9200 车位滚装船“西安号”预计最快 2025 年 5 月启航。
AI光学显微镜 分辨率提升15.4倍!生物医学活体观测新纪元
【新智元导读】清华大学团队通过AI for Optics创新赋能超分辨光学显微镜,将活细胞成像体积分辨率提升15.4倍!借助这一工具,研究人员可为癌细胞分裂、胚胎发育等精密生命过程拍摄「4K高清电影」,从而撬动生物医药领域的重大突破。 近年来,以深度学习为代表的智能计算方法对光学显微镜发展产生变革性影响。通过光学成像系统与智能算法的联合优化,可在极大程度上突破光学系统设计的时空带宽固有局限。 如何基于光学系统与人工智能的交叉创新突破性能瓶颈,以三维视角和亚细胞级各向同性分辨率观测动态生物过程,是光学显微成像领域的前沿重要挑战。 近日,清华大学生命学院李栋课题组与自动化系戴琼海团队合作提出一款全新的「AI+」显微镜:元学习驱动的反射式晶格光片虚拟结构光照明显微镜(Meta-rLLS-VSIM)。合作团队利用AI赋能超分辨光学显微镜,硬件软件协同优化,实现「1+1>2」的成像效果,开启了生物医学活体观测的全新视角。 论文链接:https://www.nature.com/articles/s41592-025-02678-3 在诸多三维光学显微成像的技术方案中,光片显微镜(LSM)是当前最适宜进行多细胞、大体积样本三维成像的模态之一。 2014年,诺贝尔化学奖得主Eric Betzig在传统LSM的基础上发明了晶格光片显微镜(LLSM),并通过与结构光照明(SIM)相结合,形成晶格光片结构光照明显微镜(LLS-SIM)解决方案。 LLS-SIM可在结构光照明方向上将分辨率提升至150纳米左右,这也是当前最新的前沿技术方法。然而,LLS-SIM仅能产生单一方向的结构光照明,导致空间分辨率各向异性,未超分辨方向易产生畸变,限制了对三维亚细胞动态的精准探测。 针对这一难题,Meta-rLLS-VSIM通过AI与光学交叉创新,在不牺牲成像速度、光子代价等核心成像指标的前提下,将LLS-SIM 的一维超分辨能力扩展至XYZ三个维度,实现横向 120 nm、轴向 160 nm 的近各向同性成像分辨率,相比于LLSM,体积成像分辨率提升15.4倍! 特别地,该工作将元学习策略与系统数据采集过程深度融合,仅需3分钟就可以完成从训练数据采集到深度学习模型的自适应部署过程,让AI工具在实际生物实验中的应用达到近乎「零门槛」。 合作团队在植物花粉管、小鼠胚胎、秀丽隐杆线虫胚胎及真核有丝分裂或分裂间期的其他真核生物等从单细胞到胚胎尺度的多种生物样本上进行了实验,验证了 Meta-LLS-VSIM 在快速、长时程、多色三维超分辨成像任务中的能力。 Meta-rLLS-VSIM可实现从细胞到胚胎的跨尺度五维活体超分辨观测 「虚拟结构光照明」提升横向分辨率 受限于特殊的双物镜垂直安装的光学系统设计方案,LLS-SIM只能产生固定方向的结构光,而只有结构光照明的方向才能具备超分辨能力。 研究团队注意到,由于生物样本生长方向的随机性,LLS-SIM采集到的单一方向超分辨信息实则涵盖了各个不同方向上的样本结构特征。因而,如果使用深度神经网络(DNN)可以学习到单一维度超分辨能力,就有潜力将其拓展至其他方向。 于是研究团队利用自主搭建的成像系统,采集了不同生物样本的LLSM/LLS-SIM图像对作为训练集,并训练了一个精心设计的DNN模型用以学习单一维度超分辨能力。 在推理阶段,只需将LLSM低分辨率图像以特定取向输入到DNN模型中,就可以得到这一方向分辨率提升的结果。DNN模型就像是可以任意改变取向的「虚拟结构光」,弥补了LLS-SIM系统的固有缺陷。 最后,通过维纳解卷积等方式将不同方向的一维超分辨图像进行融合,使它们不同方向的超分辨率信息互补,即可获得在平面内分辨率一致的各向同性超分辨图像。 虚拟结构光照明超分辨DNN模型数据采集、训练与推理 研究团队在亚细胞结构肌动蛋白微丝上测试了虚拟结构光照明成像(VSI-SR)的效果,发现相比于其它方法,虚拟结构光照明图像更加清晰,在频域上不仅包含更多高频信息,而且保持各向同性。 虚拟结构光照明成像效果展示 双视角信息融合提升轴向分辨率 尽管虚拟结构光照明可将LLS-SIM超分辨能力拓展到整个二维平面,但无法提升与这一平面垂直方向上的分辨率(即轴向分辨率)。 为解决这一问题,研究团队将承载生物样本的盖玻片替换为一个反射镜,在进行三维成像时,镜面上方的实像和下方的虚像被同时拍摄,并且二者的空间视角不同。 双视角之于单视角类似于双目视觉之于单目视觉,两个视角的分辨率空间取向不同,意味着两个视角横向与轴向分辨率互补,融合两个视角图像的信息可在空间信息采集的本质上提升轴向分辨率。 Meta-rLLS-VSIM基于镜面反射的双视角成像原理 为了更好的融合两个视角信息,研究团队提出了光学成像模型启发的Richardson-Lucy双循环融合网络架构(RL-DFN)。 RL-DFN融合了多视角Richardson-Lucy迭代公式,使用可训练卷积层替代前向和反向传播算子,在保证信息融合符合统计学规律的前提下,提升融合效果。 随后,将融合得到的高分辨率结果与光学系统的点扩散函数(PSF)进行卷积,并与输入图像体栈计算循环损失(Cycle Loss)。这一Cycle Loss将RL-DFN约束为满足物理先验条件的解卷积模型,使轴向分辨率的提升在物理上可靠。 为进一步提升融合结果保真度,研究团队在RL-DFN设计中引入了判别器。判别器通过分辨RL-DFN输出的任意二维切面图与虚拟结构光成像得到的各向同性超分辨平面图,与RL-DFN相互竞争。 而RL-DFN为了骗过判别器,会努力提升信息融合效果,使任意方向的切面都达到各向同性超分辨,最后实现在三维空间上的各向同性分辨率。 RL-DFN的模型结构示意 在双视角循环Cycle Loss的约束和判别器的对抗下,RL-DFN可以充分利用双视角互补分辨率信息,合理提升轴向分辨率。 研究团队将RL-DFN与其他无监督方法在仿真数据上进行对比,发现RL-DFN能够实现各向同性的超分辨信息融合,并且更精确地恢复出样本细节。 RL-DFN与其它方法重建效果对比 元学习实现AI模型的快速自适应部署 在实际生物成像实验当中,由于DNN泛化性和表征能力受限,通常需要为每一种不同的生物结构、甚至不同信噪比训练专用模型,以得到最佳的模型推理效果。 而亚细胞结构成百上千,且形态各异,为每一种结构训练模型需采集海量训练数据,并消耗大量计算成本和时间成本,导致AI工具在实际成像实验中难以被广泛应用。 为了解决这一难题,研究团队将「元学习」与光学显微系统的数据采集时序深度融合,将模型训练所需的数据量降低12倍,训练时间降低720倍,实现了AI模型的快速自适应部署。 元学习的核心思想是在训练过程中不仅关注单一任务的性能优化,而是希望使训练模型在面对新任务时,快速地调整自身参数,以实现模型的快速迁移。 元学习训练得到的通用元模型虽然无法在单个任务上达到最佳的推理效果,但是它可以通过在少量子任务数据的少量训练,快速收敛到子任务的最佳模型。通用元模型相当于「交通枢纽」,有着到达所有子任务最佳模型的「快速路径」。 在Meta-rLLS-VSIM中,研究团队将不同生物样本和信噪比的超分辨重建问题视为单独的子任务,训练单方向超分辨任务的通用元模型。 当在新的子任务部署时,仅需采集3对高低分辨率图像对,并进行30 次微调迭代,就可以快速得到针对这一新任务的最优DNN模型。 元学习驱动的模型快速自适应部署实现流程 为了简化操作流程,研究团队还在显微镜控制程序上实现了通用元模型部署流程的全自动化。使用者只需要在图形界面点击几个待采集区域,后续从数据采集、到训练集超分辨重建、再到元模型微调,全部流程都可在后端自动实现,且仅需不到3分钟时间。 元学习驱动的模型快速自适应部署过程视频展示 借助元学习构建的「交通枢纽」和全自动化部署流程,研究团队实现了AI模型在不同生物样本场景下的快速自适应部署,大大降低了AI模型在实际生物成像实验中的使用门槛,让AI真正可以辅助生命科学新发现。 综上,Meta-rLLS-VSIM通过反射增强双视角晶格光片显微镜与元学习快速自适应部署模式的成像系统硬件升级,与虚拟结构光照明和RL双循环融合网络的人工智能算法创新,展现了软硬件协同优化带来的光学显微镜成像能力巨大提升。 Meta-rLLS-VSIM的出现为细胞生物学、神经科学等基础学科发展提供了新的技术路径,有望帮助生命科学研究人员从更全面的多维视角发现、理解、探究丰富多彩的生物现象。 参考资料: https://www.nature.com/articles/s41592-025-02678-

版权所有 (C) 广州智会云科技发展有限公司 粤ICP备20006386号

免责声明:本网站部分内容由用户自行上传,如权利人发现存在误传其作品情形,请及时与本站联系。