微软新专利能降低光线追踪对GPU内存的需求，让8GB显卡重回游戏舞台

微软新专利能降低光线追踪对GPU内存的需求，让8GB显卡重回游戏舞台https://www.digitaltrends.com/computing/microsofts-new-patent-reduces-ray-tracing-requirements/微软发布了一项新专利，描述了一项能够显著减少光线追踪对GPU内存影响的技术。光线追踪是一种渲染技术，可以通过模拟光的物理行为来创建真实的光照效果，但它对GPU资源的需求非常高，尤其是内存。这项新的专利描述了一种使光线追踪更有效率的方法，这样一来，那些内存较小的显卡，比如只有8GB视频内存的，也能再次用于游戏和其他高端图形任务。这一创新可以对光线追踪技术的整体性能和可获得性产生深远影响，可能允许更多用户在不需要高端昂贵硬件的情况下，享受其带来的好处。

解密视觉：光学幻觉如何照亮神经通路

解密视觉：光学幻觉如何照亮神经通路我们都熟悉视错觉，有些是新奇的现象，而有些就在我们身边。即使你看着眼前的屏幕，也会被欺骗，以为自己看到的是白色。实际上，你看到的是许多红色、绿色和蓝色元素紧密地挤在一起，给人一种白色的感觉。另一个例子是快速旋转的轮子或螺旋桨，当它加速到全速时，会短暂地看起来像是在逆转方向。无论如何，人们可能会惊奇地发现，光学幻觉不仅有趣，而且还是了解眼睛、神经、思维和大脑的有用工具。你看到了什么？这是一种典型的霓虹灯色彩扩散幻觉，与这些实验中使用的幻觉不同。你有可能一眼就看到一个浅蓝色的圆圈，与原本白色的背景形成了微弱的对比。但实际上，背景完全是白色的；就好像黑色细丝蓝色部分的蓝色渗入了蓝色线条末端所暗示的圆形。图片来源：Wikimedia/blebspot，已编辑东京大学系统创新系副教授渡边正孝（MasatakaWatanabe）的任务是进一步了解意识的本质。这是一个广阔的学科领域，因此自然有许多方法来探索它，其中包括他使用的光学幻觉。他最近的研究着眼于某种对人类有效的幻觉是否对小鼠也有效。结果证明，确实如此。这有什么意义呢？渡边说："知道这种被称为霓虹色扩散幻觉的幻觉对小鼠和人类都有效，对像我这样的神经科学家来说是非常有用的，因为这意味着小鼠可以作为有用的测试对象，来测试人类无法测试的情况，要想真正了解感知体验过程中大脑内部发生了什么，我们需要使用某些无法在人身上使用的方法。这些方法包括电生理学（用电极记录神经活动）和光遗传学（用光脉冲激活或关闭活体大脑中特定神经元的发射）。"渡边的实验是首次在动物实验对象身上同时使用电生理学和光遗传学进行霓虹灯色彩蔓延幻觉的实验，这使他的团队能够准确地看到大脑中哪些结构负责处理这种幻觉。视觉刺激落在眼睛上后，会通过神经传入大脑，然后被称为V1、V2等一系列神经元层接收，其中V1是第一层，也是最基础的一层，V2及以上则被视为更高层。"在神经科学领域，关于高级神经元在亮度感知中的作用的争论由来已久。我们在小鼠身上进行的实验表明，V1神经元不仅对幻觉有反应，而且对所显示的同类图案的非幻觉版本也有反应。但是，只有在向小鼠展示幻觉版本时，V2神经元才发挥了关键作用：即调节V1神经元的活动，从而证明V2神经元确实在亮度感知中发挥作用"。这项实验表明，小鼠模型在神经科学领域是有效的。渡边希望这仅仅是个开始，这样的实验将有助于实现他阐明意识神经机制的宏伟目标。编译来源：ScitechDaily查阅文献：https://www.nature.com/articles/s41467-024-46885-6...PC版：https://www.cnbeta.com.tw/articles/soft/1429489.htm手机版：https://m.cnbeta.com.tw/view/1429489.htm

Meta首席执行官：用于AR/VR输入的神经腕带将“在未来几年内”发货

Meta首席执行官：用于AR/VR输入的神经腕带将“在未来几年内”发货Meta可能希望其神经腕带在任何场景中都能实现更低的精确操作，类似于计算机的鼠标，但具有额外的维度。事实上结合Meta之前声称到2028年左右，它甚至会精确到足以模拟键盘。Meta还计划在2025年与第三代Ray-Ban智能眼镜一起发布神经腕带作为智能眼镜的输入方法。线索：@ZaiHuabot投稿：@TNSubmbot频道：@TestFlightCN

苹果申请VR指尖追踪设备专利：有点像手套

苹果申请VR指尖追踪设备专利：有点像手套北京时间8月9日早间消息，据报道，苹果申请一项新专利，这项专利有点像手套，手套可以用于手势控制，在某些场景还可以提供触觉反馈。在虚拟空间互动是一个大难题，在电脑端鼠标键盘的确控制精准，但当用户带上VR头盔时鼠标键盘就没有用武之地了。现在的VR系统有替代方案，它引入运动控制器，但是当用户抓取虚拟物品时实际上他已经抓住了控制器，所以体验并不完美。按照苹果专利的描述，它想开发一种附着于指尖的设备，设备上有传感器，支持触觉反馈。传感器附着于手背面的手指上，传感器可以侦测动作，提供某种形式的触觉反馈。指环可以戴在指尖，由指甲固定住，这样就能确定是一根手指还是多根手指参与互动。信息反馈到手背上的控制单元，然后连接到计算机。苹果的设计主要用于VR和AR环境，但也可以用在其它场合，比如类似电影《少数派报告》中的场景。摄像头可以侦测设备上的可视标记或传感器，从而追踪手掌位置；设备传感器可以收集手掌或者单个手指的位置数据，提高精准度，这样手掌就能与投影场景或界面互动。PC版：https://www.cnbeta.com/articles/soft/1305275.htm手机版：https://m.cnbeta.com/view/1305275.htm

VR眼球追踪游戏被提议用来更客观地诊断ADHD

VR眼球追踪游戏被提议用来更客观地诊断ADHD尽管有几十年的争议，注意力缺陷多动症现在是一种被广泛认可的神经发育障碍。但是，尽管大多数临床医生同意这种情况是真实存在的，但究竟如何诊断它仍然是许多争论的根源。由于多动症是一种异质性疾病，它目前只能通过一套通常很繁琐的行为和精神评估来诊断。这项新的研究建立在最近几项技术进步的基础上，提出了一个VR系统，旨在客观地诊断这种疾病。这个新系统建立在以前开发的被称为EPELI（日常工作中的执行表现）的VR游戏上，该游戏最初被设计为监测一个人的多动症症状的方法。"该游戏提供了一个模拟日常生活的任务清单，如刷牙和吃香蕉，"从事EPELI工作的原始开发者之一TobiSiro解释说。"玩家必须记住这些任务，尽管环境中存在干扰，例如电视正在播放。游戏测量后分析孩子点击控制的次数和他们执行任务的效率，效率与日常功能相关，而患有多动症的儿童往往有挑战。"在其早期的形式中，EPELI作为一种诊断工具有些效果，但在新的迭代中，该系统通过纳入眼球运动跟踪，大大改善了其准确性。利用眼球追踪和机器学习的组合，研究人员发现在患有多动症的儿童中可以发现某些独特的眼球运动模式。阿尔托大学的研究人员利亚-默松（LiyaMerzon）说："我们跟踪了儿童在虚拟现实游戏中执行不同任务时的自然眼动，这被证明是检测多动症症状的有效方法。多动症儿童的目光在环境中的不同物体上停顿的时间更长，他们的目光从一个点跳到另一个点的速度更快，频率更高。这可能表明视觉系统发育延迟，信息处理能力比其他儿童差"。这并不是第一次将VR作为神经系统疾病的诊断工具。2019年，剑桥大学的一个研究小组提出了一个系统，可以将年龄相关的认知障碍与阿尔茨海默病的早期阶段区分开。但从事EPELI工作的研究人员的目光更远，不仅仅是开发一个多动症诊断工具。该系统被雄心勃勃地提议作为一种数字治疗工具，可以改善与ADHD相关的一些行为症状。这个想法是VR可以帮助行为治疗师集中多动症患儿的注意力。而像EPELI这样的系统的发展看起来可以提供从诊断到治疗的一切。这项新研究发表在《科学报告》上。...PC版：https://www.cnbeta.com.tw/articles/soft/1335811.htm手机版：https://m.cnbeta.com.tw/view/1335811.htm

研究人员实现精确跟踪运动动物的神经元

研究人员实现精确跟踪运动动物的神经元EPFL和哈佛大学的科学家们开发出一种基于人工智能的方法，用于追踪移动动物的神经元，从而以最少的人工标注提高大脑研究的效率。最近的研究进展允许对自由移动动物体内的神经元进行成像。然而，要解码电路活动，必须通过计算识别和跟踪这些成像神经元。当大脑本身在生物体（如蠕虫）灵活的身体内移动和变形时，这就变得尤其具有挑战性。到目前为止，科学界还缺乏解决这一问题的工具。现在，来自洛桑联邦理工学院（EPFL）和哈佛大学的科学家团队开发出了一种开创性的人工智能方法，用于追踪移动和变形动物体内的神经元。这项研究发表在《自然-方法》（NatureMethods）上，由EPFL基础科学学院的萨罕德-贾迈勒-拉希（SahandJamalRahi）领导。新方法以卷积神经网络（CNN）为基础，CNN是一种经过训练的人工智能，能够识别和理解图像中的模式。这涉及一个称为"卷积"的过程，它每次查看图片的小部分，如边缘、颜色或形状，然后将所有信息组合在一起，使其具有意义，并识别物体或模式。问题在于，要在拍摄动物大脑的过程中识别和追踪神经元，许多图像都必须手工标注，因为动物在不同时间由于身体变形的不同而呈现出截然不同的样子。考虑到动物姿态的多样性，手动生成足够数量的注释来训练CNN可能会令人生畏。秀丽隐杆线虫三维体积脑活动记录的二维投影。绿色：基因编码的钙指示器，各种颜色：分割和追踪的神经元。资料来源：MahsaBarzegar-Keshteli（EPFL）为了解决这个问题，研究人员开发了一种具有"定向增强"功能的增强型CNN。这项创新技术仅从有限的手动注释中自动合成可靠的注释作为参考。其结果是，CNN可以有效地学习大脑的内部变形，然后利用它们为新姿势创建注释，从而大大减少了人工注释和重复检查的需要。这种新方法用途广泛，无论神经元在图像中表现为单个点还是三维体积，它都能识别出来。研究人员在秀丽隐杆线虫（Caenorhabditiselegans）上对其进行了测试，该线虫仅有302个神经元，使其成为神经科学领域广受欢迎的模式生物。利用增强型CNN，科学家们测量了该蠕虫的一些中间神经元（在神经元之间传递信号的神经元）的活动。他们发现，这些神经元表现出复杂的行为，例如，当受到不同的刺激（如周期性爆发的气味）时，它们会改变自己的反应模式。研究小组将他们的CNN变得易于访问，提供了一个用户友好的图形用户界面，集成了有针对性的增强功能，将整个过程简化为一个从手动注释到最终校对的综合流水线。SahandJamalRahi说："通过大幅减少神经元分割和跟踪所需的人工工作，新方法将分析吞吐量提高到全人工标注的三倍。这一突破有可能加速大脑成像研究，加深我们对神经回路和行为的理解"。编译来源：ScitechDaily...PC版：https://www.cnbeta.com.tw/articles/soft/1402931.htm手机版：https://m.cnbeta.com.tw/view/1402931.htm