1分快3下载app - 新版APP下载-安全购彩

赛事转播由观众当导播？“自由视角”技术让冬奥观赛身临其境******

　　你是否想象过，通过任意视角“无死角”观察比赛细节的新体验——随意滑动手机屏幕，比赛转播画面便相应转换角度，当选定角度松开手指，画面即以新的视角和位置播放；借助“子弹时间”技术，在比赛过程中“凝固时空”，全方位观看运动员的竞技瞬间……

　　“这个技术让我们坐在家里却好像置身赛场，360度想看哪里就看哪里，紧紧跟上瞬息万变的赛场形势。”使体育赛事观众感到新奇的这一体验，是国家重点研发计划“科技冬奥”重点专项“冰雪项目交互式多维度观赛体验技术与系统”中，由优酷参与研发的历时两年多研发的“自由视角”视频技术所带来的。该技术于2021年4月亮相“相约北京”冬季体育冰上项目测试活动，分别在国家体育馆、五棵松体育馆运行测试。

　　赛事转播新技术的惊艳亮相，进一步推动着科技创新与冬奥赛事深度融合。通过我国企业自主研发的“自由视角”视频技术对冬奥冰雪项目进行示范播出，观众可使用电视、手机或VR设备，通过自主交互连续改变视角和位置，既可以让画面静止以观察某一个比赛瞬间的不同角度，又可以让画面保持流动而不打断比赛，让观众自己当“导播”，突破传统的定点和被动式观赏赛事，提升用户观赛体验。

观众体验自由视角观赛

　　“我们看到的画面并不是由相机单纯拍摄的，而是通过算法渲染出来，根据三维程序补充出来的。”优酷“自由视角”系统课题负责人盛骁杰介绍，在测试活动中，国家体育馆内的U型架上共架设40台相机，总长度达210米。通过三维重建和渲染，可以渲染出任意时长和帧率的精彩特效片段，相当于1200台相机同时拍摄拼接的效果。无须特殊装备，也不用专门的带宽，仅需手持5G手机，搭配5G网络，冰雪“发烧友”就可以便捷实现高质量的交互式观赛。

　　据了解，在内容生产上，“自由视角”技术能嵌入转播信号，实现多角度、清晰的即时三维比赛细节还原。针对冰球比赛，这一技术以重点镜头和氛围镜头为侧重，能够让观众感受到冰球赛事独特的魅力。此外，该技术可协助裁判更快速、精准地做出判罚，还能使运动员和教练员在日常训练中多角度直观回顾场上细节。“它可以直接植入到普通的转播当中，比如场上比赛的某一瞬间，观众或裁判没看清楚，系统可以随时生成一个360度的信号提供给裁判和转播商，能够很好地解决判罚和观赏方面的问题。”盛骁杰说。

　　“‘自由视角’技术的目标是建立交互式多维度观赛体验系统。具体来讲，我们想实现全新的观赛体验。”“科技冬奥”重点专项“冰雪项目交互式多维度观赛体验技术与系统”项目负责人、北京大学博雅特聘教授陈宝权表示，这一技术的第一个特点是实现了多视点观赛功能，第二个是交互性，观众可以决定自己的视点，选择其最舒适的视角去看精彩的比赛。同时，“自由视角”技术还实现了多终端的观看，除通过电视收看外，还支持手机端和VR设备观看。“戴着VR设备，不需要手的交互，而是通过人们身体的自然交互，VR设备的视角能使我们进一步达到身临其境的观赛体验。”

工作人员对自由视角视频直播作测试

　　事实上，在应用于北京冬奥会赛事转播前，“自由视角”技术已成功落地多档综艺节目及CBA、CUBA等体育赛事场景。而测试活动中所使用的“自由视角”技术和以往的应用有所不同，项目组形成了具有自主知识产权的端到端自由视角点播和直播系统，将8K“自由视角”系统从现场阵列采集、云端三维重建、编码传输到终端解码渲染都做到了端到端实时处理，从而达到能够支持冬奥相关赛事直播的技术水平。（孔繁鑫）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）