育碧的《舞力全开》于10月16日在Quest平台推出VR版《Just Dance VR - Welcome to Dancity》，售价29.99美元。游戏提供360度虚拟空间，玩家可体验20多首热门曲目，如《Don't Stop Me Now》和《Bad Liar》。基于Meta Quest的3D深度与手部控制器，玩家需做标准动作以获得更高分。游戏支持最多六名玩家的竞争和互动，并可在线与18名玩家交流。玩家还可自定义虚拟形象，提高技能，解锁道具和收藏品。

印度技能发展与创业部与Meta合作，推出两项重要举措：开发AI助手以支持印度技能计划，并在多个城市的国家技能培训机构建立VR/MR技术中心。项目将利用Meta的Llama模型，提升Skill India Digital门户网站的学习体验，由Sarvam AI负责AI助理的开发与实施，试行六个月。同时，NSTI将提供最新的VR技术，为学习者和教师创造沉浸式的技能提升环境。

Quest 3S昨日正式发售，迅速成为亚马逊美国“Video Games”类别的畅销设备，起售价299美元，配备与Quest 3相同的芯片和手柄，并支持全彩透视，性价比突出。从销量反馈看，Quest 3S表现良好，取得了积极的市场反响。

2024年将是充满挑战的一年，创业者在复杂环境中努力探索、创新，以应对困境。金陀螺奖由陀螺科技创立，是泛TMT领域的重要奖项，旨在表彰勇于创新的从业者。奖项设有游戏、电竞和XR类，覆盖30多个细分奖项，并由行业专家评审，确保评选的权威性和专业性。第九届金陀螺奖的报名通道已于即日起开启，旨在为优秀前行者加冕，见证更多荣耀时刻。

加州大学圣地亚哥分校的外科医生正在测试 Apple Vision Pro 在微创手术中的应用，Horgan医生认为其可能比现有的手术机器人更加革命性。尽管成本高昂，Vision Pro在医疗领域仍被视为负担得起的设备，将CT扫描和生命体征监测等信息整合在一起，从而简化了医生的观察过程，减少了操作时的不适。Horgan对Vision Pro的显示效果表示满意，并提出医院可能会继续测试其在3D放射成像等其他医疗应用中的潜力。

苹果近期发布了其首部沉浸式影片《SUBMERGED》，采用Apple Immersive Video格式，邀请奥斯卡导演Edward Berger制作。该影片以二战潜艇为背景，时长17分钟，旨在展示极致的沉浸体验。影片制作中使用了23吨重的潜艇原型，结合高规格8K拍摄和空间音频技术，增强观影的真实感。苹果还推出了新型3D相机，并计划推出适用于Apple Immersive Video的创作工具。虽然当前沉浸式内容尚处于起步阶段，但苹果的策略引人期待。

Meta自2022年以来通过Horizon Worlds提供Connect大会的直播。今年，他们将Horizon与Unity和Blender等工具的集成推向极限，并改进了现场立体3D视频广播。Connect大会的世界设计成一个浮动的岛屿，有一个带屏幕的中央区、游乐区和技术休息室。社交游戏活动包括分享照片、收集硬币和寻找有共同兴趣的人。参加虚拟会议的人们可以定制徽章并激发与他人的对话。主题演讲本身围绕着一个带屏幕的中央区，设计了不同的音频区域。展示了Meta Quest 3S和Ray-Ban Meta眼镜。Connect大会还提供了通过移动设备和网络与Worlds交互的功能。为了获得更大的受众群体，团队使用了最新的性能指标工具来评估世界的性能。通过Quest进入World的人可以获得实时的立体3D直线型视频串流。摄像机硬件和视频制作工作流程方面有重大改进。今年的Connect大会希望能够激励Horizon World的创作者社区继续测试他们的工具和实现独特愿景。

高通在虚拟现实等新视频模式的兴起中提出了一种低延迟神经立体视频压缩方法，称为LLSS。与传统方法不同，LLSS引入了双向特征移位模块，通过视图之间的相互信息和交叉视角先验模型进行编码，旨在实现快速高效的低延迟立体视频串流。该方法减少了延迟，并且相比于现有的神经和传统编解码器，性能得到了显著提高。 现有的立体视频编码方法采用了分别编码左右视图的单视图编解码器，而LLSS通过并行处理左右视图有效降低了延迟，同时利用视差补偿减少了视图之间的冗余。LLSS编解码器的开发采用了双向移位模块，促进了视图之间的连接和信息交换，实现了低延迟推理。研究表明，与最先进的方法相比，LLSS在立体视频基准上大幅提高了R-D性能。 总的来说，LLSS是一种低延迟的神经立体视频压缩方法，可以同时压缩左右视图，通过双向移位模块和并行自编码器来降低比特率和提高帧质量。

智能眼镜被认为是增强现实的关键媒介，它提供了一个带集成麦克风和非耳塞扬声器的免手操作平台，可以将虚拟声源无缝地混合到现实世界的声学场景中。然而，要在增强现实中实现令人信服的虚拟声源，需要与真实声学相匹配的室内声学渲染，而有关用户声学环境的信息通常不可用。 为了解决这个问题，Meta和瑞典查尔姆斯理工大学的研究人员提出了一种基于智能眼镜的双耳房间脉冲响应盲识方法。他们使用智能眼镜中的麦克风阵列从现实环境中的几秒钟语音中盲识双耳房间脉冲响应，并通过去噪和波束形成来产生一个伪参考信号，用于估计房间脉冲响应。 该方法能够准确地估计房间声学参数，比基线算法在估计混响时间和直接-混响能量比方面更优。听力实验的结果进一步表明，与几何形状相似的房间相比，该方法能更令人信服地再现真实房间的声学效果。 该研究的方法为增强现实应用中的声学匹配问题提供了解决方案，并能够在智能眼镜中实现准确的双耳声学渲染。

谷歌、加拿大西蒙菲莎大学和香港科技大学的研究人员提出了一种全新的3D神经隐式头部化身模型，通过引入局部哈希表混合形状、轻量级MLP和分层最近邻搜索方法，实现了高效的实时渲染和细粒度面部表情。研究团队在每个3DMM网格顶点附加了哈希表混合形状，使用卷积神经网络从头像驱动信号预测顶点权重，并建立相关的哈希表嵌入来捕获面部表情。此外，他们还设计了一个分层查询解决方案来加速k近邻搜索。实验结果表明，这种方法能够实现实时渲染，并获得与最先进的渲染质量相当的效果，尤其在具有挑战性的面部表情方面表现出优势。这项研究对于构建高质量、高效的虚拟化身具有重要意义，并可应用于虚拟现实、远程会议等实时应用领域。