- 综合排序
- 最热优先
- 最新优先
- 来自专栏运维之路
风险感知（二）场景设计5要素
本篇接《风险感知（一）》，将采用数字化运维场景设计方法梳理风险感知场景的一些思路。 分析前，先回顾一下场景设计的一些要点： 场景的基础是实际运维工作，要用“连接、数据、赋能”的数字化思维重塑场景 按“人、事、时间、协同、环境”5要素梳理场景 场景强调多角色“组织”高效协同，是对线下流程的在线化 ，平台赋能场景生产力 再看看风险感知场景的要点： 在线感知风险状况，即时健康质检 赋能专家主动构建、调优风险感知模型 “数据指标+算法策略”（点）=》编排组装主题（面、兼顾非知风险） 建立风险识别（感知 试运行分析非实时的感知异常，所以上述两个时点属于阶段性的分析。 隐性环境重点指风险感知评估配套的工作流程机制，流程机制是为了场景设计能够有效落地提供的约束与保障，是为了明确场景协同人员的责权利。
1.4K20编辑于 2022-11-16 Rokid 的AI场景操作解析：从感知到场景落地技术实现
Rokid作为AR领域的先行者，构建了一套覆盖“感知-决策-执行-优化”的全栈AI技术体系，可高效支撑多场景下的智能交互需求。 一、全链路技术架构概览Rokid AI的核心价值，在于打破单一模态的局限，实现“感知-理解-决策-反馈”的闭环。 其技术架构涵盖多模态感知、AI决策引擎、场景化执行、用户体验优化四大核心环节，各模块协同支撑从交互触发到服务落地的全流程。 接下来让我们逐帧分析，在真实硬件里这段语音是怎么出声、怎么算功耗、怎么被用户感知为“反应快”。代码拆析：/** * 1. 有能力为用户打造出更自然、更智能、更贯通的全场景交互体验。
64410编辑于 2025-10-14- 来自专栏好用神器发现
hiflow场景链接器-实时疫情动态感知
现在腾讯云推出了一款神器-hiflow场景连接器，可以轻松的解决上述我们每天需要的问题，接下来我们一起来看看如何使用hiflow来解决我们的问题吧 我们来到hiflow场景连接器的官网，在模板中心找到
1K20编辑于 2022-09-11 - 来自专栏机器学习算法与Python学习
机器学习(7)之感知机python实现
关键字全网搜索最新排名 【机器学习算法】：排名第一 【机器学习】：排名第二 【Python】：排名第三 【算法】：排名第四 感知器PLA是一种最简单，最基本的线性分类算法（二分类）。 PLA是一个很基本的算法，应用场景很受限，只是作为一个引子来了解机器学习，后面有很多高级的算法，比如SVM和MLP，以及大热的deep learning，都是感知器的扩展。 感知机python实现代码 #coding = utf-8 import numpy as np import matplotlib.pyplot as plt class showPicture: [1,1]] xArray = np.array([3,3,4,3,1,1]) xArray = xArray.reshape((3,2)) yArray = np.array([1,1,-1]) #感知机计算权值
1.8K51发布于 2018-04-04 - 来自专栏AI科技评论
今日 Paper | 动态图像检索；实时场景文本定位；感知场景表示；双重网络等
：从未标记的图像中学习3D对象感知场景表示 用于行人重识别的交叉分辨对抗性双重网络 Sketch Less for More：基于细粒度草图的动态图像检索 论文名称：Sketch Less for BlockGAN：从未标记的图像中学习3D对象感知场景表示 论文名称：BlockGAN: Learning 3D Object-aware Scene Representations from Unlabelled 发表时间：2020/2/20 论文链接：https://arxiv.org/abs/2002.08988 推荐原因 这篇论文提出了一个名为BlockGAN的图像生成模型，可以直接从未标注的2D图像中学习对象感知的 3D场景表示。 考虑到真实场景中摄像机和目标人之间距离不同可能会带来分辨率不匹配的情况，会降低行人重识别算法的表现。
1.1K40发布于 2020-03-05 - 来自专栏媒矿工厂
CVPR 2023 | MIME: 人物感知的 3D 场景生成
实验表明，MIME 生成的 3D 场景支持人物接触和运动，并能够在自由空间中填充可信的物体。 引言 图 1：从人物运动估计 3D 场景。给定 3D 人物动作，我们可以重建运动可能发生的 3D 场景。 我们的生成模型能够生成多个逼真的场景，这些场景考虑了人物的位置和姿势，并具有合适的人物-场景交互。 人类与周围环境处于持续的互动之中，例如在房间里行走、触摸物体、在椅子上休息、在床上睡觉等。 生成式人物感知场景合成 我们将 3D 场景 \mathcal{S} 表示为物体的无序集合，包含与人物接触的物体 \mathcal{O}=\{o\}_{i=1}^N 和无接触的物体 \mathcal 穿模损失、2D IoU 和 3D IoU 用于评估生成场景中人物与场景的交互。FID 分数和类别 KL 散度用于评估生成场景相较真实场景的真实性与多样性。 消融实验 图 7：关于不同数量接触人物和不同密度自由空间人物的消融实验。更多的接触人物作为输入，生成场景中将包含更多接触物体。更多的自由空间人物将导致场景中更少的物体。
62110编辑于 2024-01-23 - 来自专栏运维之路
风险感知场景（一）之“监控、拨测、巡检、可观测性”
监控相当于给运维团队分配了成千上万的机器人，这些机器人驻扎在硬件、平台软件、应用系统等对象中，7*24不间断的采集指标数据，并将指标的异常情况，甚至故障点信息实时触达到正确的人，确保异常信息得到响应。 “感知”与“决策、执行”共同组成了我对数据智能思维框架的三要素，打造数字化IT风险管理的风险感知场景将是数字化运维体系的重要方向。 风险感知是场景，将整合上述监控、拨测、可观测、巡检的一些基本能力，并基于场景需要构建工具需要具备的功能、流程机制，配套组织角色。 风险感知之所以能成为场景，在于风险感知在运维体系中是一个既能独立运作，又能与其他场景相结合产生更全面与深度的效能。 今天先把场景可能会使用到的平台能力做个介绍，通过吸收成熟的工具解决方案，为风险感知场景的构建提供帮助。
4.7K10编辑于 2022-11-16 - 来自专栏京东技术
技术解析 | 线下门店消费场景中的感知和互动
当顾客拿起衣服时增强终端会通过拿起感知技术来增强该商品的信息（比如播放该商品的音视频介绍、显示好评度和促销信息等），因为线下服装吊牌上信息太少，像服装风格、适用场景、用户评价等这些数据线下是缺失的，我们需要增强商品信息 用户选了自己喜欢的衣服后会拿到试衣间试衣，衣服上身后，希望能场景化和360度试衣，而让产品身临其镜就是提供沉浸式试衣，根据服装风格切换场景（背景/前景），解决试衣痛点，实现风格场景化试衣；了解自己穿的这套衣服是否适合某个场合 技术原则 场景化产品下的小前台式快速迭代 统一语言与一体化架构 测试的可视性与实时质量评估 复杂场景下的算法自适应能力与硬件稳定性能力 复杂多变需求适应能力：模型抽象+组件化+快速配置化+减法 弱网络服务稳定性保障 ：产品场景化、场景数字化、运营自动化 智能化：场景化迎宾&导购、基于人脸属性或风格的“千人千面”互动 体验“所见即所得”：装修、布局、屏与商品一体化、试衣镜/间、体验实时反馈 体验连贯性：从用户经过、靠近 、屏反光/亮度/触控体验 千店千面：平台化模板、多样化营销场景 产品驱动而非需求驱动 能力输出OR产品输出OR解决方案输出OR场景化解决方案 总结 在时尚数字化门店方面，我们从引客入店、逛店体验、试衣体验
1.5K30发布于 2019-05-05 - 来自专栏微观技术
消息队列的 7 种技术场景!
我们在做消息队列的技术选型时，往往会结合业务场景进行考虑。今天来聊一聊消息队列可能会用到的 7 种消息场景。 比如在一个电商场景，同一个用户提交订单、订单支付、订单出库，这三个消息消费者需要按照顺序来进行消费。 //MessageStoreConfig类 private String messageDelayLevel = "1s 5s 10s 30s 1m 2m 3m 4m 5m 6m 7m 8m 9m 10m 以电商购物场景来看，账户服务扣减账户金额后，发送消息给 Broker，库存服务来消费这条消息进行扣减库存。 7 优先级消息 有一些业务场景下，我们需要优先处理一些消息，比如银行里面的金卡客户、银卡客户优先级高于普通客户，他们的业务需要优先处理。
64711编辑于 2023-12-13 - 来自专栏音视频技术
【今晚7点】智能感知编码优化与落地实践
感知编码技术基于人眼主观视觉感知针对视频内容编码进一步优化，能更加有效的降低码率与带宽成本，主观上提升视频内容质量与用户体验，是当前互联网各大视频平台重点关注与应用的优化手段之一。 今晚7点，我们邀请到了百度智能云视频技术架构师，视频处理和编解码算法技术负责人 邢怀飞 老师为大家讲述感知编码技术背景、核心技术和技术选型，并详细介绍百度智能云在智能感知编码优化方面的探索与应用落地实践
45020编辑于 2023-04-12 - 来自专栏RTMP推送
机器人视频感知架构深度解析：7条技术法则，打造低延迟实时感知与交互
基于我们在行业落地的经验，结合对机器人技术演进的观察，本文总结出一个面向实时音视频维度的“机器人公司 7 条技术生存法则”，希望能为行业带来一些启发。 这正是为什么，我们在总结行业经验后，提出了**“机器人公司 7 条技术生存法则”**，帮助企业在设计感知和控制链路时建立系统性思维。 这7条法则覆盖从团队架构到协议栈、从实时性能到部署效率，都是企业能否撑过洗牌期的关键。 大牛直播SDK的能力： 跨平台低延迟场景全覆盖，且针对实时场景深度优化。 可轻松支持最新编码标准，兼容未来演进。 拥有自研传输内核架构，性能和稳定性远超开源方案。 如果你的机器人项目正面临弱网卡顿、延迟过高、协议兼容困难等问题，那么这7条法则，或许是你重新审视架构、打造长期竞争力的起点。
38110编辑于 2025-08-27 - 来自专栏AI SPPECH
7：灵波空间感知技术：基于MDM技术的高精度深度估计与透明物体感知
1.2 行业现状与挑战 透明物体感知：传统深度估计方法难以捕捉透明物体的深度信息 反光表面处理：镜面等反光表面容易产生深度估计错误 复杂场景鲁棒性：在复杂光照和场景下深度估计精度下降 实时性要求：深度估计需要满足实时应用需求 ：完整深度图还原 灵波空间感知技术能够生成完整、准确的深度图： 边缘保持：保持物体边缘的深度连续性 细节丰富：捕捉深度图中的细节信息 全局一致性：确保深度图的全局一致性 场景理解：结合场景理解提高深度估计精度 场景 灵波空间感知 DPT MiDaS ZoeDepth LeReS 室内场景 ✅ 优秀 ✅ 良好 ✅ 良好 ✅ 良好 ✅ 良好 室外场景 ✅ 优秀 ✅ 良好 ✅ 良好 ✅ 良好 ✅ 良好 透明物体密集 局限性 灵波空间感知技术当前的局限性包括： 超远距离深度：超远距离物体的深度估计精度有限 复杂纹理：极其复杂纹理表面的深度估计可能不准确 动态场景：动态场景中的深度估计需要结合其他技术 多尺度场景：同时包含极近和极远物体的场景处理能力有限 自动驾驶：提高对复杂场景的感知能力 机器人导航：更精准的机器人环境感知 安防监控：提高安防系统的场景理解能力 工业检测：辅助工业产品的质量检测 6.3 行业生态影响 灵波空间感知技术的成功将对行业生态产生以下影响
12710编辑于 2026-02-05 - 来自专栏人工智能前沿讲习
【他山之石】CVPR 2024 | 3D开放世界场景感知理解新SOTA！
摘要 · 看点 场景级别的 3D 开放世界感知一直是一个饱受关注的问题，是具身智能和机器人领域非常重要的一个能力。 而且无需额外训练，RegionPLC 就可以和大语言模型如 GPT4 结合进行一些场景级别的开放问答，并借助 RegionPLC 的 grounding 能力分割出相应的类别，相应的和大语言模型结合的版本 结论 我们提出了 RegionPLC，一个综合的区域点云-语言对比学习框架，用于识别和定位开放世界 3D 场景理解中的未知类别。 此外，我们的区域感知点云-语言对比损失有助于从区域性描述中学习出具有独特性和鲁棒性的特征。 大量实验证明，RegionPLC 在室内和室外场景中明显优于先前的开放世界方法，并在具有挑战性的长尾或无注释场景中表现出色。
92710编辑于 2024-05-22 - 来自专栏机器视觉工坊
感知
环境感知了确保无人车对环境的理解和把握，无人驾驶系统的环境感知部分通常需要获取周围环境的大量信息，具体来说包括：障碍物的位置，速度以及可能的行为，可行驶的区域，交通规则等等。 无人车通常是通过融合激光雷达（Lidar），相机（Camera），毫米波雷达（Millimeter Wave Radar）等多种传感器的数据来获取这些信息，本节我们简要地了解一下激光雷达和相机在无人车感知中的应用 对于反射点稀疏的目标（比如说行人），基于点云的分类并不可靠，所以在实践中，我们往往融合激光雷达和相机传感器，利用相机的高分辨率来对目标进行分类，利用Lidar的可靠性对障碍物检测和测距，融合两者的优点完成环境感知 可行驶区域的检测目前的一种做法是采用深度神经网络直接对场景进行分割，即通过训练一个逐像素分类的深度神经网络，完成对图像中可行驶区域的切割。
65020发布于 2020-07-28 - 来自专栏全栈程序员必看
LoadRunner教程（7）-LoadRunner 创建测试场景
首先打开controller创建一个场景，有手工场景和目标场景设置两个选项，先选择手工场景 手工场景设置Global Schedule：Scenario 初始化：所有用户同时初始化，每隔多少秒初始化多少用户 启动用户：多少用户启动，同时启动，每隔多长时间启动多少用户 运行时间：持续运行直到结束，持续运行时间 用户退出：用户同时退出，每隔多长时间退出 手工场景设置 Global Schedule：Group 启动组：场景启动后立即启动组，场景启动后多长时间启动组，上一个组结束后启动 剩下的其他设置和上面的一样Scenario一样，Group和Scenario 的区别就是，Scenario相当于一个大的班级，同一个老师，Group相当于不同的班级，不同的老师 还可以添加设置场景 手工场景设置Basic Schedule：有很多就无法选择了，根据实际情况调整 首先打开controller创建一个场景，有手工场景和目标场景设置两个选项，先选择目标场景 打开后的界面，红色部分为目标的设定 目标场景编辑，点击编辑
84320编辑于 2022-08-25 - 来自专栏Creator星球游戏开发社区
Cocos Creator基础教程(7)—场景切换
在Cocos Creator中切换游戏场景可以像切换幻灯片页面一样简单，这次教程我们稍微进阶一点点，带着大家编写这个场景切换组件。 1. 场景加载组件 先看组件代码： //场景加载组件 cc.Class({ extends: cc.Component, properties: { scene: cc.SceneAsset (this.scene.name); ); } }); 新建一个测试场景，场景中添加一个Label，将LoadScene组件绑定到Label节点上，同时拖拽另一个场景到LoadScene ，调用场景场景加载 if (this.scene) { cc.director.loadScene(this.scene.name); } } } LoadScene组件关联Button 在场景中添加了一个Button节点，挂载好LoadScene组件，设置好要加载的场景，不要勾选Clickable属性(不与Button事件配合时勾选)。
4.1K20发布于 2019-09-11 场景感知驱动的下一代黑盒渗透Agent实战解析
构建基于业务逻辑链路的渗透智能体架构 针对传统黑盒渗透的痛点，通过“像攻击者一样思考”的逻辑，设计了基于场景感知的黑盒漏洞挖掘整体架构。 场景塑造（从页面理解业务逻辑）：将漏洞与业务强关联，提供上下文指引。 Agent根据历史请求推导功能点，构建API间依赖图（包括控制流如“登录->后台操作”，以及数据流如“下订单->修改订单”），生成具有特定业务场景属性的检测思路池。 落地复杂漏洞场景的POC自动化迁移验证 在实际的CTF靶场与复杂漏洞环境验证中，该方案展示了处理多步依赖与复杂载荷逃逸的实际业务价值： 多步逻辑漏洞利用（XBEN-022/025）：在面对“文件上传-> 在注册场景（XBEN-025），成功识别并利用了处于注册控制流最后一步的SSTI渲染漏洞。
35110编辑于 2026-04-04- 来自专栏机器之心
7 Papers & Radios | CV架构回归多层感知机；自动生成模型动画
机器之心 & ArXiv Weekly Radiostation 参与：杜伟、楚航、罗若天 本周的重要论文包括来自谷歌大脑的研究团队提出了一种舍弃卷积和自注意力且完全使用多层感知机（MLP）的视觉网络架构 近日，来自谷歌的几位研究者提出了一种全新的人像重照明（portrait relighting）和背景替换系统，该系统不仅保留了高频边界细节，并精确地合成了目标人像在新照明下的外观，从而为任何所需场景生成逼真的合成图像 Wang 等 论文链接：https://arxiv.org/abs/2103.16284 摘要：如何通过自然语言定位并分割出场景中的目标物体？ (from Larry Davis) 7. Wainwright) 7. Learning 3D Granular Flow Simulations.
48540发布于 2021-06-08 - 来自专栏技术汇总专栏
面向多房间场景的分布式智能家居感知型 Agent 设计
面向多房间场景的分布式智能家居感知型Agent设计引言随着物联网(IoT)与人工智能技术的发展，智能家居已经从单一的语音控制或定时器自动化，逐渐演变为能够自主感知、智能决策并执行操作的系统。 本文将以一个示例智能家居系统为例，详细讲解感知型Agent的感知→决策→执行完整流程，并提供Python代码示例，展示其核心实现逻辑。 用户感知：通过摄像头或红外传感器识别用户动作或位置。事件感知：检测门窗状态、烟雾报警等异常事件。 分布式执行在大户型或多房间场景中，Agent可部署分布式执行模块，实现多设备协同控制。用户反馈循环通过记录用户手动操作反馈，优化决策模块的偏好参数，实现自适应系统。 总结本文展示了一个面向智能家居场景的感知型Agent的设计与实现。
21210编辑于 2026-01-10 - 来自专栏大数据-BigData
直播、游戏等全场景联防联控，B站精准流量感知风控实践
今天的介绍会围绕下面四点展开： 互联网风控概述 精准感知流量 全场景联防联控 总结 01 互联网风控的概述 首先从宏观上介绍风控。 1. 数据化感知黑产 图片 上图是一个如何感知黑产的示例。如左图所示，每日人数在2000左右，但在第五天，人数突破5000，如果没有做特别的宣推，那么就存在被攻击的可能。 除此以外，还有均值检测，对一些低版本比如安卓7以下版本的比例趋势变化进行监测，如果在某天或某个小时，发生了突变，则可能存在风险。 3. 分层级识别对抗黑灰产 图片 首先是感知风险，通过情报搜集、指标监控、异常检测等手段来感知风险。 第二是识别风险，可以通过策略算法召回。 第三步处置风险，包括实施拦截、用户封禁、提现拦截等等。 然后讲到了在真实的业务场景当中怎么根据一些指标和统计趋势来感知风险，监测流量的异常情况，当然还有一些第三方的情报也是很重要的。
2K10编辑于 2022-08-30
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号