布萊恩的創業小窩

你知道前陣子剛結束的 元宇宙 時裝周嗎?繼續往下看有多精彩! 目錄 元宇宙時裝周參與盛況 叫好不叫座？新興技術的行銷瓶頸 由虛擬實境平台 Decentraland 所舉辦的「元宇宙時裝週」（Metaverse Fashion Week，簡稱MVFW），不久前正式落幕。 這場盛會吸引了包括 Forever 21、Tommy Hilfiger、雅詩蘭黛等 60 多家國際品牌參與，以及來自世界各地的元宇宙用戶。 元宇宙時裝周參與盛況 傳統形式的時裝週，通常只有特定的時尚人士才有資格進入秀場觀賞；MVFW 打破這項限制，免費開放 元宇宙 中的所有用戶參加。 任何人用虛擬形象進入 元宇宙 秀場，都能觀賞頂尖設計師的最新作品，甚至只要綁定錢包，你也可以輕易獲得品牌推出的虛擬或實體服飾。 舉例來說，快時尚品牌 Forever 21 不僅開設了虛擬商店，還出售專屬的 NFT，聲勢浩大；唯一的美妝品牌雅詩蘭黛，免費贈送一萬份小棕瓶 NFT，為使用者的虛擬角色增添臉部發光的效果；鐘錶品牌 Bulova 推出了經典錶款的可穿戴虛擬版本；來自中國的獨立設計師讓秀場設計看起來充滿中國風的古色古香；服裝秀之後的 元宇宙 演唱會，則為參與時裝週的人們帶來最後的高潮。 時尚周上 Forever 21 的展示畫面｜aboutmetaverse 從各品牌的 NFT 及實體商品的搶手程度和現場熱火朝天的人群密度看來，這一場 元宇宙 的虛擬時尚盛宴，可以說是非常成功。 叫好不叫座？新興技術的行銷瓶頸 事實上，早在 20 年前的虛擬遊戲《第二人生》中，品牌爭奇鬥豔的推廣盛況就已展開，然而由於遊戲性質，導致品牌推廣效益比預想中還要低落，最終使這場品牌展示秀黯然落幕。       MVFM 實際上仍存在明顯技術缺陷，以容易故障的用戶體驗為例，由於伺服器限制，一旦人數瀕臨滿載，許多數位展演、視覺體驗、聽覺體驗都會受到大幅延遲甚至壞軌，嚴重破壞用戶體驗。而時裝週最重要的服裝作品，更因為 3D 設計功能過度侷限簡化，導致無法展現複雜細膩的圖像和紋理。 MVFM 首次開辦就成功，大都是因為搭上 元宇宙 的列車。若未來無法突破技術的限制、創造新的驚喜，以致虛實無法成功整合，恐怕都要步上 20...

世界掀起元宇宙風潮,各大企業搶佔虛擬現實先機,速食龍頭麥當勞做了甚麼呢?快來一探究竟! 目錄 Meta 自家人不挺沒關係！大企業看好虛擬商機、註冊元宇宙商標 投資元宇宙！麥當勞擬發展虛擬餐館、咖啡廳、音樂會 「不想成為下一個百視達！」大品牌紛紛申請「元宇宙」新商標 Meta 自家人不挺沒關係！大企業看好虛擬商機、註冊元宇宙商標 為了展現朝向元宇宙  Metaverse  發展的決心， Facebook  的母公司去年改名「Meta」。 此舉竟引發自家員工不信任，甚至讓 Meta 從「最佳職場」的排名從第去年的第 11 名跌落至今年的 47 名 ！ 即便如此，許多大企業仍蓄勢待發，準備迎接由  Meta  主導的虛擬現實商機。日前，速食龍頭麥當勞就為「 元宇宙 」申請多項商標，這些商標包含虛擬商品與服務、虛擬餐館、虛擬咖啡廳等。 投資元宇宙！麥當勞擬發展虛擬餐館、咖啡廳、音樂會 商標律師 Josh Gerben 的事務所每天都會追蹤新的商標申請。本週三他在 Twitter 上指出麥當勞於二月四日申請了十個商標，其中包含了「經營以實物和虛擬商品為特色的虛擬餐廳」以及「在網路上經營一個『以宅配到府』為特色的虛擬餐廳」等。 除此之外，麥當勞還為在虛擬咖啡廳 McCafe 內舉辦的「線上實體與虛擬音樂會」及其他的娛樂服務註冊商標。 其實在前一天，營運於美國與加拿大的連鎖麵包店「Panera Bread」也領先麥當勞，為元宇宙申請商標註冊「Paneraverse」。Paneraverse 提供元宇宙中可下載的虛擬飲食、NFT 以及在 元宇宙 中選購實際商品的服務。 「不想成為下一個百視達！」大品牌紛紛申請「元宇宙」新商標 投資 元宇宙 的品牌除了麥當勞與 Panera Bread ，許多知名品牌如 Nike、 Walmart  以及 Sketchers 等，都早在三個月前就提出類似的商標申請。 當年百視達因「忽視新科技」而倒閉，許多企業引以為鑑，紛紛響應元宇宙浪潮。圖為在英國 Birkenhead 的百視達。 「當你看到如此多的大公司都提出這麼多的新商標申請時，很明顯它 (指元宇宙浪潮) 即將到來。」Gerben 律師說：「我認為，在接下來的 12 ...

今年度優良企業 Meta (前身臉書)被踢下神壇,NVIDIA成為第一,想知道原因,來看這篇文章怎麼說吧!! 「Glassdoor 排名」是什麼？職場透明化的指標！ 美國徵才與職場評論網站「 Glassdoor 」日前公布 2022 年最佳職場排名，繼 2021 年度奪得榜首之後，這次依然是  NVIDIA  蟬聯冠軍。 在 Glassdoor 問世之前，美國的職場遠不如現在開放與透明。Glassdoor 在每年度的最佳職場排名的報告中，藉由分析網站內上千萬條企業文化、薪酬、升遷機會與是否重視工作生活平衡等職場資訊，統整出該年度最佳職場榜單。 為了鼓勵用戶踴躍提供評價， Glassdoor  採取使用者貢獻制，用戶提供的評價愈多，則能查看的資訊也愈多。此外，為了保障資訊真實可靠，用戶註冊時必須使用公司信箱，Glassdoor 還為此建立一支獨立的人工審查團隊來確保不會有漏網之魚。 NVIDIA 再次奪冠，執行長決策功不可沒 2022 年，Glassdoor 的最佳職場榜單上，NVIDIA 仍蟬聯冠軍寶座。 疫情時代之下的職場型態更為彈性，企業文化、公司精神等軟性條件成為了現在求職者更為注重的面向。本次的最佳職場榜單中， NVIDIA  以 4.6 分（滿分 5 分）逆勢再次奪冠，成為 2021、2022 雙冠王，除了因搭上元宇宙熱潮而受到注目之外，執行長黃仁勳在疫情期間主張的「家庭優先」政策，確實執行彈性的管理模式，更受到員工普遍的認可。 綜觀 NVIDIA 員工對於公司的評價，如：優渥的待遇與福利、開放透明的公司氛圍、明確的職涯發展與值得員工追隨認同的公司願景佔大宗。雖然工作時程與同業相較可能更為緊湊，嚴謹的高規格要求容易導致員工產生較大壓力，然而，整體而言  NVIDIA  仍得到 95% 員工的看好與推薦！ 「元宇宙」反引發員工擔憂？Facebook改名Meta後爭議不斷，慘遭滑鐵盧 追隨元宇宙，祖克柏高調將 Facebook 改名為 Meta，卻失去了員工的信任、公司內部更不安定。 同樣搭上元宇宙（Metaverse）話題的  Meta （原 Facebook 母公司）拿到了 4.3 的評分，從 2021 年的第 11 名跌至第 47 名，排名不升反降了 36 個名次...

與其他人工智慧應用相比：FACT編舞能力一流 將 FACT 的性能，針對各個指標，與其他的 人工智慧 應用進行比較： 如上表所示，FACT 與三種最先進的編舞 人工智慧 應用（ Li et al 、 Dancenet  和  Dance Revolution ）相比，FACT 模型生成的動作更逼真，與輸入音樂的相關性更好，並且在以不同的音樂為條件時更多樣化。*注意的是  Li et al 生成的運動是不連續的，使得平均運動特徵距離異常高。 Google 還透過使用者研究，評估音樂與動作的相關性：讓每位使用者觀看 10 個影片，片中有一個 FACT 模型與一個隨機對照模型所生成的編舞結果然後讓使用者選擇哪個模型生成的舞步比較能夠與音樂同步。使用者共有 30 名，包含專業舞者以及很少跳舞的人。 結果顯示：81% 的使用者喜歡 FACT 模型生成的結果勝於 「Li et al.」的；跟 Dancenet 相比，71% 的人喜歡 FACT 勝過 Dancenet；跟 Dance Revolution 比較， 77% 的人也更喜歡 FACT。。有趣的是，75% 的參與者喜歡 AIST++ 未配對的舞蹈動作勝於透過 FACT 所生成的。這並不奇怪，因為最初的舞蹈紀錄具有很強的表現力。 定性結果 如下圖所示，與先前  DanceNet （左）與  Li et. al. （中）相較之下，使用 FACT 模型（右）生成的 3D 舞蹈更逼真，並且與音樂的相關性更好。 使用 FACT  人工智慧 模型生成更多 3D 舞蹈： 人工智慧發展下一步：為每首歌生成逼真舞蹈 Google 開發了一個 人工智慧 模型，可以學習音頻與動作對應的關係，還可以基於音樂，生成的高質量 3D 動作序列。由於從音樂生成 3D 動作是一個新興的研究領域，Google 希望此項研究成果能為未來跨模組「音頻-3D 動作」的生成鋪道。 透過這項研究，Google 還發布了迄今為止最大的 3D 人類舞蹈資料庫「 AIST++ 」——具有多視角、多種舞蹈形式、跨模態的 3D 動作數據集，不僅對 3D 動作生成研究有幫助，一般來說，也對人類理解研究幫助。Google 將在...

人工智慧學編舞，動作搭配音樂複雜度高 Google 正進行一項 人工智慧 研究，開發稱為「FACT （Full-Attention Cross-modal Transformer）」的模型，可以模仿、理解舞蹈動作，甚至可提高個人的編舞能力。 Google  研究團隊為了訓練該模型，也隨之發布一個大規模、多模態的 3D 舞蹈動作資料庫「AIST++」，包含長達 5.2 小時的 1408 個 3D 舞蹈動作序列，涵蓋 10 種舞蹈類型。都包含了已知相機位置的多視角影片，可生成逼真流暢的 3D 舞蹈動作。 Google  提到：雖然隨著音樂節拍編排出動作，是人類的本能；然而舞蹈是「需要練習」的藝術形式。專業的舞者都需要經過大量的、包含各式各樣舞步的曲目來訓練，才有編舞能力。這樣的訓練，對人類來說已不容易；對 ML（Maching Learning， 機器學習 ）來說更是難上加難。因為要使用 人工智慧 來實現編舞，需要生成動力複雜度高的連續動作，同時還要捕捉動作與配樂間的非線性關係。 人工智慧如何學舞？Google修正AIST舞蹈資料庫成教材 Google 從現有的  AIST 舞蹈影片資料庫（ 一組帶有音樂伴奏的舞蹈影片，但無任何 3D 信息）生成 3D 動作資料庫。AIST 包含 10 種舞蹈類型：Old School（地板舞 Breaking、機械舞 Popping、鎖舞 Locking 和 Waack）以及 New School（Middle Hip-Hop、LA-style Hip-Hop、House、Krump、Street Jazz 和 Ballet Jazz），雖然包含了許多舞者的多視角影片，但鏡頭都沒有經過校準。  Google  依研究人員的需求，根據常用的  SMPL  3D模型參數，修復 AIST 影片的拍攝校準正後的數值和 3D 人體動作，重建為「AIST++ 數位資料庫」，包含與音樂搭配的各種 3D 動作，並將上述十種舞蹈均勻地呈現在動作中、以每分鐘節拍 (BPM) 為單位涵蓋各種音樂節奏。每種舞蹈類型都含 85% 的基本動作和 15% 的進階動作（舞者自由設計的更長編舞）。 未經修正的  AIST 舞蹈影片資料庫 如下所示： Google ...

人工智慧編舞一把罩：FACT 模型 Google 使用上述的 AIST 資料庫，訓練 FACT 模型從音樂生成 3D 舞蹈。該模型先使用動作轉換器與音頻轉換器，分別對一段音樂與一個短的（2 秒）種子動作（seed motion）進行編碼。之後再將嵌入碼連接、發送到跨模型轉換器，該轉換器學習兩種模型之間的對應關係，並生成 N 個未來的動作序列。 然後使用這些序列以自我監督的方式訓練模型。在測試時， Google  將此模型用於自回歸框架，其中所預測的動作則作為下一個生成步驟的輸入。因此，FACT 模型能夠一個框架接著一個框架地，生成長時間的舞蹈動作。 FACT 網絡接收音樂片段 (Y) 和 2 秒的種子運動序列 (X)，然後生成與輸入音樂相關的長期未來動作。|圖片出處：Google AI Blog Google 用三指標評估 FACT 的性能 Google  依據以下所述之三個指標，評估 人工智慧  FACT 的性能： 動作品質：我們計算 AIST++ 資料庫中的「真實舞蹈動作序列」與 40 個「模型生成的動作序列」之間的  Frechet 起始距離 （FID），每個序列具有 1200 幀鏡頭（20 秒）。我們將基於幾何和動力學特徵的 FID 分別表示為 FIDg 和 FIDk。 生成多樣性：與 之前的工作（指 「 深度 慣性姿勢捕捉」：從少許的慣性量測中學習而重建人體姿勢）類似：Google 從 AIST++ 測試集中的 40 個「模型生成動作特徵空間」中，計算平均歐氏距離，用以評估模型生成各式舞蹈動作的能力。，接著再比較幾何特徵空間 (Dist g ) 和動力學特徵空間 (Dist k )。 Google 使用不同的音樂，來生成四個不同的編舞版本：Break、Ballet Jazz、Krump 和 Middle Hip-hop（右），但有兩秒是相同的 Hip-hop 舞蹈動作（左），這些相同的動作被稱為「種子動作」。|圖片出處：Google AI Blog 運動-音樂相關：由於沒有合適的指標來衡量輸入音樂（音樂節拍）與所生成的 3D 動作（動作節拍）之間的相關性。所以 Google 提出了一種新的「節拍對齊分數 (BeatA...

過往收集不到的觸覺，ReSkin 做到了！人工智慧發展大突破 為了展現 ReSkin 的實用性、並展示它如何幫助研究人員，利用過往難以收集到的各種觸覺數據，以推進 人工智慧發展 的， Meta AI  在下列幾個不同的試驗中，展現 ReSkin 突出的實用性： 像人類般，完整拿取藍莓、葡萄等脆弱的水果 ReSkin 擁有絕佳的觸覺感知能力，可用於研發「訓練 機器人 用鑰匙打開門、抓住葡萄或藍莓等精緻物體」的人工智慧。 上面影片是測試當機器夾爪抓起脆弱的藍莓時，無安裝 ReSkin 以及有安裝 ReSkin 的差異： 影片一開始是沒有裝 ReSkin 的對照組，單單透過夾爪的內建力道感應拿起藍莓，不但容易破壞水果，也無法完成採樣與評估力道；而影片的後半段顯示：只要透過 ReSkin，它就卻能夠好地感應力回饋以控制抓取力道。 ReSkin 做成狗鞋子，蒐集動物於野外活動的觸覺資料 ReSkin 製成狗的鞋子，蒐集狗在野外行走的觸覺資料。其感測器可追踪狗在休息、行走、跑步的施力大小與方向。 ReSkin 做成手套，捕捉人類用手接觸物品的力道 ReSkin 同時可用於感測人類與物體交互過程（例如用手拿起東西、或是推東西）中，所施予的力道大小。影片中，研究人員在右手食指放置了一張 ReSkin 皮膚和一塊電路板、並戴上橡膠手套製作紅豆麵包時。過程中，感測器測量、並輸出數據。 大範圍面積的接觸定位 ReSkin 還可以按比例放大，在更大的表面積上進行接觸定位。有些模型建構，是需要知道目標位置在哪裡的。例如：要訓練 機器人 靠近地面撿起物體，則需要知道它要從哪裡接觸物體、要用多少力道。而 ReSkin 可在大範圍面積上接觸定位的特性，有利於建構此類模型。 ReSkin 未來在人工智慧的應用 Meta AI  研發了具有細膩觸覺感知的 ReSkin，低成本、靈敏度高且能恆久使用。柔軟的外皮，像繃帶般容易更換，換後可以立即使用——這是一個強大的 人工智慧 工具，可以幫助研究人員建立多種 人工智慧 模型。 Meta AI  進一步表示：希望將觸覺感知作為 人工智慧 研究的一個領域，並大力推進。除了 ReSkin，他們還同時宣布處理物件觸覺的開源生態系統...

在元宇宙也有觸覺! Meta 養成 ReSkin 人工智慧模擬真實肌膚感知 讓臉書 CEO 祖克柏​​熱血沸騰的「元宇宙」（Metaverse）新虛擬世界，目前是以有限的形式存在，我們只要戴上  VR  眼鏡便可抵達！祖克柏日前更將  Facebook  母公司改名 「 Meta 」，展現將「元宇宙」深入現實世界的野心！緊跟著「元宇宙」的腳步，祖克柏在十一月宣布：自家公司研發了新的觸覺感測器「ReSkin」，質感如真人皮膚，可安裝在  AI 機器人 身上、​​收集 人工智慧 的觸覺資料。 祖克柏：人工智慧皮膚ReSkin，讓我們離「元宇宙」更近 根據祖克柏日前在  Facebook  的貼文所述，自家公司「 Meta 」設計了高階觸控感測器 ReSkin；並與引導全球人工智慧趨勢的「卡內基美隆大學（Carnegie Mellon University）」合作，創造 機器人 及穿戴式裝置專用的塑膠薄皮膚。這能「帶領我們，進一步邁向『元宇宙』擬真虛擬物件與實質肢體的互動」。 Meta AI  （前身為 Facebook AI）的研究人員與卡內基美隆大學合作研發的 ReSkin，快速、大規模地提升了 人工智慧 夠在感測器和系統間共享數據。 Meta 將發佈 ReSkin 的設計、相關文檔、代碼和基礎模型，讓人工智慧的研究人員毋需搜集或訓練他們自己的數據庫，就能立即使用 ReSkin。如此一來，反而有利於提高人工智能的觸覺感應技能。 ReSkin觸覺感應範圍廣，助人工智慧執行高靈敏工作 人造皮膚 ReSkin 能感應到的觸覺非常廣泛，這優點幫助 人工智慧 能進行多種以觸覺為主的工作，包含物件分類、肌肉運動知覺（本體感覺）和 機器人 抓取等；另外，訓練過觸覺感知能力的 人工智慧 模型，有能力從事需要高度靈敏度的工作，如醫療保健機構的工作、或是需要更高靈巧度的工作：如操作小的、柔軟的、敏感的物體等。 ReSkin 還能與其他的感測器結合，在實驗室外等不可控的非結構化環境中，搜集視覺、聽覺和觸覺的數據。

不到3mm的輕薄柔軟、不到6美元的低成本 由於人工智慧應用與技術的研發，往往需要巨量的數據來產生機器學習模型。所以致力於 人工智慧發展 的  Meta AI  部門，對觸覺 sensor 的需求大。 過往 機器人 皮膚需要內建電子設備，來監控皮膚與表面接觸時產生的電流變化。然而厚度不到 3mm 的可塑型皮膚 ReSkin ，只需要靠近監控設備即可，這意味著我們可以花更低的成本屬於，偵測到寬度不到 1 釐米、力道僅 0.1 牛頓的物件。 Meta  研究科學家古塔（Abhinav Gupta）說：如果生產 100 件以上的 ReSkin，則每一件的材料成本將低於 6 美元。皮膚的薄度可以重複使用 50000 多次，就算磨損，也非常容易搭上磁性粒子替換（更換過程如下方影片所示）。 90%的精確度，能搜集到過去無法得知的數據 ReSkin 的時間解析率高達 400Hz，1 毫米的空間解析度則有 90% 的精確度。這種精準度使其在元宇宙上能具備多種應用，像是機械手臂、觸感手套、袖套、以及任何能追蹤走路、跑步、運動和休息的鞋子（寵物也可用）等，因此它可協助研究人員蒐集過去無法得知的多種觸覺資料。此外，ReSkin 還提供高頻 3 軸觸覺訊號，可執行靈巧的操作動作，如丟、抓、拍手、滑等。 古塔認為這是未來。他說：「當你戴上這些耳機時，你想要產生愈來愈豐富的體驗——而關鍵是觸覺。」 ReSkin的人工智慧原理-磁場x影像SENSOR打造擬人觸覺 依 Meta AI 的研究科學家古塔（Abhinav Gupta）等人的撰文內容表示，目前希望這樣的觸覺感知能力賦予在 AI  機器人 身上，使其獲得更人性化的互動方式。例如：機器手臂順利地拿起桌上的蛋，而不會施予過度的力道讓蛋破碎。 當研究人員想要賦予機器人觸覺時，首先想到的是能不能也給機器人跟人類一樣的皮膚，讓 機器人 全身都有觸感？紐約大學電腦科學的助理教授 Lerrel Pinto 表示，獲得可信賴的觸覺感知數據，是目前機器技術的重大瓶頸。現有的感應器很昂貴、解析度差且重量不輕，ReSkin 將克服以往的這些問題。 ReSkin感測器－內建磁性顆粒，一摸就生成磁場 由 Meta AI 的合作對象——卡內基梅...