3D Vision
搜索文档
企业借力政策与资本“双翼”做大做强 梯度培育激活万千中小企业创新引擎
央视网· 2025-11-28 06:36
企业数量与结构 - 截至2025年9月,广东省企业总数突破900万户 [1] - “四新经济”(新技术、新产业、新业态、新模式)企业数量达41.46万户,占全省新设企业总量的37.92% [1] 区域创新能力 - 根据《中国区域创新能力评价报告2025》,广东区域创新能力排名第一,连续9年居全国首位 [3] - 广东持续完善“基础研究+技术攻关+成果转化+科技金融+人才支撑”全过程创新链,强化企业创新主体地位 [3] 优质企业培育体系 - 广东已建立起创新型中小企业、专精特新中小企业、专精特新“小巨人”企业的梯度培育体系 [5] - 截至目前,培育创新型中小企业43498家,专精特新中小企业30286家,专精特新“小巨人”企业2617家,数量居全国第二 [5][17] 政策与资本支持案例 - 深圳市福田引导基金以“耐心资本”支持奥比中光等硬科技企业,从早期资金助力到上市赋能,推动资本向战略性新兴产业集中 [7] - 深圳共有121家企业在成立不到10年内便成功上市 [7] 人才支撑体系 - 2025年2月,广东推出“百万英才汇南粤”行动计划,构建全链条引才、留才体系 [14] - 广东省技能人才总数达2201万人,其中高技能人才827万人,占比超过三分之一 [14] 区域协同与产业升级 - 深中通道开通使江门与深圳车程缩短至1小时,加速构建“深圳研发+江门生产”等合作模式 [15] - 江门正从传统制造业向机器人、半导体等新兴产业布局,有企业因人形机器人订单大增而扩大生产规模 [15] 创新模式与效应 - 广东形成核心城市引领、周边城市协同、产业集群支撑的区域创新网络,放大创新创业的规模效应和辐射效应 [17] - 广东经济发展模式从过去依靠劳动力、资本投入,转向越来越多依靠科技创新推动可持续发展 [18]
【研选行业+公司】这项关键技术成AI数据中心降本核心!国产厂商迎新风口
第一财经· 2025-09-18 12:59
AI数据中心降本关键技术 - 磁悬浮压缩机技术正成为AI数据中心降本增效的核心技术[1] - AI数据中心发展催化行业景气度上行[1] - 行业巨头相关业务已实现3倍增长[1] - 国产磁悬浮压缩机厂商面临新的发展机遇[1] 3D视觉赛道 - 3D视觉赛道复合年增长率高达13.1%,市场正在急速扩容[1] - 一家具身智能“眼睛”属性的公司是稀缺标的,其市占率高达70%[1] - 机构观点认为该公司业绩已迎来拐点,预期未来两年市盈率有望大幅下降200倍[1]
SpatialTrackerV2:开源前馈式可扩展的3D点追踪方法
自动驾驶之心· 2025-07-20 08:36
三维点追踪技术现状 - 三维点追踪技术从单目视频中恢复任意点的长期三维轨迹,在机器人、视频生成及三维/四维重建中展现潜力[4] - 相比参数化运动模型(如SMPL、骨架等),该技术具有更强灵活性与泛化能力[4] - 现有方案依赖光流与单目深度估计等低/中层视觉模型,优化式方法计算成本高昂,前馈模型受限于真实三维轨迹监督数据[6] SpatialTrackerV2核心创新 - 将三维点追踪分解为视频深度、相机自运动与物体运动三部分,构建完全可微的多源异构数据联合训练流程[7] - 采用前端-后端架构:前端通过视频深度估计器和位姿初始化器生成深度图与粗略相机轨迹,后端通过SyncFormer模块实现二维/三维轨迹联合优化[7][11] - SyncFormer模块采用双分支交叉注意力结构,分别处理二维/三维特征并通过交叉注意力层同步更新,减少特征干扰[30] 技术实现细节 - 前端深度预测引入尺度-偏移回归模块,通过投影一致性损失校正深度与姿态的尺度歧义[15][16] - 后端捆绑优化包含重投影误差、几何一致性损失、动态性约束损失及正则项,总损失函数驱动相机位姿与轨迹迭代更新[24][25][26][28] - 动态性与可见性分数通过轻量级网络预测,用于加权优化过程[23] 性能表现 - 在TAPVid-3D基准达到21.2 AJ和31.0 APD3D,较DELTA提升61.8%与50.5%[9] - 视频深度指标AbsRel为0.081(行业最优0.093),01.25指标达0.910,超越MegaSAM等动态重建方法[32] - 相机位姿估计在TUM-dynamic数据集ATE为0.012,优于MegaSAM的0.013,推理速度快50倍[35][9] 应用与扩展性 - 支持17个异构数据集联合训练,包括RGB-D数据集的深度/姿态一致性约束和普通视频的姿态-轨迹一致性约束[8] - 在互联网随手拍视频中展现鲁棒性,为运动理解和物理智能提供基础[37] - 开源Demo可通过Hugging Face体验,技术细节见论文《SpatialTrackerV2: 3D Point Tracking Made Easy》[8]