Nweon

12月9日，XR Games开发的VR游戏《僵尸之地：弹无虚发》在Pico Store上线。这款游戏是一款专为VR打造的僵尸射击游戏，取材于电影《僵尸之地》系列，保留了电影中的黑色幽默风格。游戏操作简单，需要玩家瞄准僵尸进行射击，在连续打出两次爆头后可以进入子弹时间，提供更多操作空间。游戏还有丰富的关卡、成就、枪械升级和人物技能获取。另一款经典的VR僵尸射击游戏《亚利桑那阳光》也在Pico Store上线，并支持多人联机模式。根据IDC发布的报告显示，Pico在中国市场持续保持着50%以上的市场份额，Pico Store已有150多款优质游戏和应用，预计年底将达到200款。Pico还充分发挥本地优势，为海外优秀游戏进行本地化适配，并为多人联机游戏建立本地服务器，确保联机流畅性。

12月8日，爱奇艺的国民级VR一体机奇遇Dream在京东和天猫正式发售。官方为新品首发配备了一系列优惠活动，包括视频打卡享半价、买五年爱奇艺星钻会员免费赠机、30天无忧试用等。据悉，奇遇Dream在京东平台已转入预约状态，下一轮销售将于12月11日晚8点开放。奇遇Dream是爱奇艺的2021年度收官之作，是一款主打游戏体验、面向大众用户的VR产品。这款产品售价为1999元，是行业首款搭载高通XR2芯片且价格在两千元以内的6DoF VR一体机。奇遇Dream搭配了8G+128G的内存，可以提供丝滑流畅的运行体验。此外，奇遇Dream还采用了奇遇追光计算机视觉6DoF交互系统，可以实现精准快速定位、稳定跟踪和反馈迅速。奇遇Dream拥有大量的精品VR游戏内容储备，预计2022年将有超过100款精品游戏。在影音方面，奇遇Dream能提供2000吋巨型屏幕和HDR高动态光照渲染，支持杜比全景声和AI画质增强技术。入手奇遇Dream的消费者还能享受官方提供的五大福利。

XR学习和培训解决方案供应商GigXR与美国密歇根大学达成合作伙伴关系，共同开发基于全息技术的XR Procedure Training Suite培训套件。该套件透过全息患者和数字视觉线索，在临床前教育中培养医学生的手动和实际技能。套件可以作为学生的按需教学工具或课堂辅助工具，并支持微软HoloLens及iOS和安卓等移动设备。教师和学生可以通过穿戴HoloLens共同进入全息教学场景，并沉浸在超现实的临床场景中进行教学和学习。教师可以引入具有各种症状的全息患者，并呈现和放大特定的病变器官，而学生则可以观察全息患者演示，学习各种病理诊断技能。此外，该套件还支持按需学习和远程教学，教师可以制作全息课程供学生按需启动学习，或通过全息形态进行远程教学。密歇根大学医学中心的教授表示，这种具有高保真度的XR患者可以加速学员在临床方面的准备和实践。 GigXR一直致力于根据微软HoloLens开发各种教学和培训应用，包括与化学课程相关的XR应用HoloChem，并为全球多所大学和医疗系统提供基于微软HoloLens的沉浸式学习解决方案。他们的旗舰产品HoloPatient和HoloPatient Remote允许医学和护理学生在其中练习重要的诊断、沟通和临床推理技能。

加州大学和Meta组成的团队进行了一项关于低秩张量压缩与稀疏剪枝结合的研究。研究发现，建设SOTA计算机视觉架构的趋势是通过构建因子权重来移除低秩结构，因此直接应用低秩矩阵和张量压缩方法具有挑战性。为了解决这个问题，研究人员提出了一种低秩加稀疏张量分解的方法，旨在捕捉网络中的粗粒度结构和精细结构。他们的研究结果显示，这种方法在ImageNet-1K数据集上的测试中取得了不错的结果。此外，他们还提出了两种不同的分解方法，通过重塑张量和迭代剪枝来捕捉和保留粗粒度和精细粒度结构。这项研究对于理解和优化高效神经网络的低秩结构在计算机视觉任务中的作用具有重要的意义。

Meta于11月9日至22日举办了一场XR黑客松活动，提供高达70万美元的现金奖金。参赛者需要组成团队，并可以自由选择两个产品领域：Spark AR和Presence Platform。现在，官方公布了获奖名单，Presence Platform赛道的第一名奖金为5.5万美元，第二名为4万美元，第三名为2.5万美元，而鼓励奖为1万美元。 Presence Platform赛道要求参赛者利用Meta Quest 2和Presence Platform SDK进行实验，包括使用Passthrough SDK、Voice SDK和Hand SDK。 获得Presence Platform赛道二等奖的作品是MR康复应用《Rehabilination》。该应用旨在利用MR技术帮助孩子放松，降低压力、焦虑并改善康复过程。该应用由Samhoud Creative Tech研发。 《Rehabilination》提供了一个数字助手Rico，可以根据手部追踪和身体追踪功能来响应用户。Rico会在孩子们住院期间和出院后的康复过程中提供支持和安慰。孩子们可以通过语音与Rico互动，并进行康复训练的趣味游戏运动。 Presence Platform赛道的其他获奖作品包括《Easely》、《STARGAZER》、《Helpy – Virtual Assistant》、《Guess That Country: A Gameshow》、《SAVING LIFE – FIRE SAFETY》和《Hackathon_Immersive_RPG》。

Meta（原Facebook）于2021年11月9日至22日举办了一场XR黑客松活动，并提供高达70万美元的现金奖金。参赛者需要组成团队，并自由选择两个产品领域：Spark AR和Presence Platform。现在，官方公布了获奖名单。Presence Platform赛道的第一名奖金为5.5万美元，第二名为4万美元，第三名为2.5万美元，鼓励奖为1万美元。赛道Presence Platform要求参赛者利用Presence Platform SDK进行实验，包括Passthrough SDK、Voice SDK和Hand SDK。获得Presence Platform赛道一等奖的是《Easely》项目，该项目旨在在虚拟和现实之间建立桥梁，通过离散步骤和图像叠加简化创作图像画作的过程，并实现新形式的创造、协作和教学。该项目可提供临摹功能，允许用户将选择的图像推向素描平面并对齐，然后使用真实工具在平面上临摹叠加的图像。

索尼的Micro-OLED显示器是一种非常小的高分辨率显示器，具有高对比度、宽色域和快速响应时间。它已经用于相机的电子取景器等设备，并收获了广泛好评。未来，索尼预计这种显示器将扩展到虚拟现实和增强现实设备上。索尼在展示和研究活动中展示了搭载4K Micro-OLED显示屏的VR头显原型，开展了与这方面相关的研究和开发。Micro-OLED显示器利用索尼的专有技术和硅半导体驱动技术，成功将像素尺寸缩小到几微米，保留了OLED的优势，创造了高分辨率面板。与其他显示技术相比，Micro-OLED显示器以其高图像质量和分辨率、小尺寸和快速响应时间占据了独特的地位。为了实现高图像质量，索尼使用了包含彩色滤光片的Top-Emitting White OLED作为Micro-OLED显示器的组件。索尼还在探索新光源方面进行研究，将Micro-OLED显示技术与近红外发光材料相结合，以扩大其应用领域。

12月8日，工业AR数字化解决方案提供商瑞欧威尔发布了全新品牌moziware及其终端产品cimo。该产品是一款轻量双摄可折叠单目工业AR头戴计算机，支持语音操控和工业降噪功能。瑞欧威尔还宣布推出“工业元宇宙XR生态计划”，旨在邀请合作伙伴共同探索相关技术与工业应用，促进数字技术与制造业的深度融合，构建可持续发展的工业元宇宙生态。工业元宇宙是指采用XR、数字孪生等技术实现的工业生态，通过连接人、机、物、系统等要素，提升实体工业的效率和发展。瑞欧威尔的moziware品牌是为共建工业元宇宙XR生态而推出，品牌名取材自墨子的宇宙观念，旨在推动工业元宇宙的可持续发展。发布会上，瑞欧威尔还与mCloud公司举行战略合作签约仪式，共同探索AR入口的“工业元宇宙”相关技术与应用。瑞欧威尔希望通过与合作伙伴的协作，打造工业元宇宙XR解决方案，为工业4.0和智能制造转型做出贡献。

据天风国际分析师郭明錤表示，苹果正在规划第二代混合现实（MR）头显，预计将于2024年下半年开始出货。相比于第一代头显，第二代头显将更轻、外观更好、电池系统更优化，以及改进了处理器性能等。郭明錤认为，苹果的头显产品将同时支持增强现实（AR）和虚拟现实（VR），用户可无缝切换以提供全新的头戴装置体验。他还预测，苹果将在2024-2026年之间推出针对头戴装置优化的新电池系统，以降低重量并提高便携性。立讯将成为苹果第二代AR/MR头显的新产品引入供应商，这将意味着立讯将在初期为独家供应商，并且第二代头显的出货量将显著增长。郭明錤预计苹果的第一代头显将于2022年底发布，而第二代头显的开发将在2023年第二季度至第三季度加速。他预测苹果的AR/MR头显在2023年和2024年的出货量分别为250-350万和800-1000万台。此前有消息称，苹果可能采用类似于苹果手表的先发布再上市策略，以便提前进行宣传并给应用开发者足够时间。

研究人员在名为《ODAM: Object Detection Association and Mapping using Posed RGB Video》的论文中探索了一种利用姿态RGB视频进行对象检测、关联和映射的方法。他们关注对象语义重建和对象映射之间的空间，并使用3D bounding volume表示对象。然而，使用仅有RGB视频定位对象并估计其范围的任务存在挑战，包括深度比例模糊性和多视图约束的缺乏。因此，研究人员提出了ODAM框架，结合了深度学习前端和多视图优化后端，旨在解决来自posed RGB video的3D对象映射问题。ODAM的关键在于基于超二次曲面的多视图优化和attention-based的图形神经网络。研究人员使用ScanNet和Scan2CAD评估了ODAM的性能，结果显示ODAM是目前在复杂室内场景中性能最好的纯RGB-only系统。他们还指出了常用的3D bounding volume表示的局限性，并提出了一种改进的超二次曲面优化方法。总体来说，ODAM在在线3D对象映射领域做出了三方面的贡献。