近日小米获得了一项折叠屏手机外观专利授权，可用于移动通信、拍照摄像、网络或多媒体应用等，和目前的折叠屏方案都不同，其专利为手机的上部向后翻折。
专利图片显示，这款新折叠屏手机的上半部分可以向后翻折，折叠后前置摄像头可转换为后置摄像头。不过目前来看这样的设计过于大胆，猜测这项专利不会应用在小米MIX Fold3上。据爆料，小米MIXFold3的内屏将加入屏下摄像头，实现真正的全面屏形态，不会有刘海或挖孔。
（举报）
奇葩！小米折叠屏专利是向后翻折
- 相关推荐
- 大家在看
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
苹果折叠屏iPhone 新专利获批：引入弹簧层概念
根据最新公开的信息，美国商标和专利局近期披露了一份清单，苹果公司成功获得了一项关于折叠屏幕手机的创新专利。这项专利的核心在于引入了一种新颖的弹簧层概念，旨在显著减轻折叠屏在折叠过程中所承受的压力。这一创新设计显著提高了折叠屏设备的耐用性，为用户带来了更加可靠和耐用的使用体验。
-
苹果折叠屏iPhone新专利获批：内嵌弹簧层 屏幕不怕摔了
虽然苹果迟迟未能推出折叠屏iPhone，但其实内部已经研发多年，只是尚未解决一些硬性问题没有量产，比如屏幕折痕、不耐摔等。不过最新专利信息显示，苹果已经找到了提升屏幕耐摔性的方法。种种迹象都表明，苹果折叠屏技术储备正在趋于完善，在折叠屏iPhone问世之后或许会大幅领先友商。
-
OPPO最好的折叠屏！Find N3官方降价2000元
在OPPO商城的促销活动中，OPPOFindN3的价格出现了最高直降2000元的优惠，16GB1TB的典藏版到手价降至10999元12GB512GB版本则为8999元，提供了千山绿、潜航黑和日志金三种配色可选。OPPOFindN3被认为是OPPO目前最强大的折叠屏手机，最大的升级之处在于其影像功能。内外屏均具备430级别的ppi，采用了超视网膜显示技术。
-
曝折叠屏iPhone延期：由苹果Vision Pro工程师操刀
目前，折叠屏设备主要分为两大类，一类是翻盖式小折叠，另一类是书本式大折叠屏。作为一家成功的科技公司，苹果正在积极研发折叠屏设备。该公司计划使用有机硅或丙烯酸酯等聚合物材料填充显示器，以有效减少光反射问题。
-
史上最轻大折叠屏！vivo X Fold3明天首销：6999元起
今天，vivo宣布vivoXFold3将于明天正式开售，起售价为6999元。这款折叠屏手机重量仅219克，是行业内最轻的大折叠屏机型，刷新了行业纪录。在核心配置方面，vivoXFold3的外屏尺寸为6.53英寸，内屏尺寸为8.03英寸，搭载了高通骁龙8Gen2平台，电池容量为5500mAh。
-
全球首款5.5G折叠屏！vivo X Fold3系列将支持5.5G
vivo官方宣布，vivoXFold3系列和vivoX100系列即将升级支持5.5G网络，迎接移动通信的万兆元年。vivoXFold3系列和vivoX100系列升级至5.5G网络后，将实现最高300%的网速提升，成为蓝厂史上网速最快的旗舰手机之一。中国移动方面表示，计划年内在全国超过300个城市部署5.5G网络，建成全球最大规模的5G-A商用网络，推动5.5G网络的全面发展。
-
曝苹果折叠屏iPhone延期至2027年推出：正在努力攻克技术难题
苹果正在研发一种新型折叠屏设备。这款设备将会延期至2027年推出。该公司计划使用有机硅或丙烯酸酯等聚合物材料填充显示器，以有效减少光反射问题。
-
苹果折叠屏iPhone因技术难题推迟到2027年 下代将迎重大更新
苹果首款折叠屏iPhone的发布计划近日因技术难题被推迟到2027年。该报道指出，由于苹果公司难以寻找到符合其高标准的折叠屏等部件，导致可折叠iPhone原定于2026年第四季度发布的计划不得不调整至2027年第一季度。苹果公司担心现有的折叠屏技术尚未成熟到足以实现他们工程师和设计师构想的下一代应用场景。
-
私域员工减一半，效果翻九倍：达到极致人效的三个法宝
企业开始向私域要更多的增长，那么私域的增长除了外部带来的增长外需要从内部出发，拒绝大水漫灌的私域运营体系，从头开始重新设想私域的搭建，上到思维下到辅助工具，缺一不可。这也意味着，人效变得更为重要。我坚信私域运营应该插上AI的翅膀，去实现更高效、智能的运营效果。
-
换电池换屏8折、手机换新特惠！小米2024年米粉节开启
今天小米服务官方发布公告称，2024米粉节从今天起正式开启，为用户带来换电池换屏8折、手机换新特惠等8项服务权益，分别是：手机电池8折换新：26款机型，更换原厂电池最低79.2元，手机外屏碎裂8折维修：38款机型，手机外屏部件换新最低159.2元，笔记本电池8折换新：14款笔记本，享建议零售价8折更换电池，笔记本深度清洁5折：用户可以前往服务门店花费49.5元享官方深度清洁服务，洗衣机深度清洁5折：59.5元可享受一次上门服务，空调深度清洁5折：立式空调深度清洁享活动价79.5元，挂式空调深度清洁享活动价59.5元，抽油烟机深度清洁5折：用户可84.5元享受一次上门服务，平衡车/滑板车电池激活5折：用户可支付50元享受一次上门电池激活服务。手机换新特惠活动也同步开启，小米14等多款机型均可享受优惠。同时小米还上线了手机优惠换屏”，用户更换屏幕时可选择参与旧屏回收，维修价格更优惠。
-
Spark Mail:Spark帮助您掌控收件箱。立即查看重要内容，快速清理其余邮件。
Spark是一款智能、专注的电子邮件应用，帮助您掌控收件箱。通过智能筛选，快速了解重要内容，并快速清理其余邮件。Spark还提供AI助手帮助您快速编写完美的电子邮件。
-
Chatbox:办公学习的AI好助手，提升工作效率，深受全球专业人士好评。
Chatbox是一个易于使用的人工智能解决方案，支持多平台，帮助提升工作和学习效率。它具备本地数据存储，确保隐私和轻松访问，同时支持多种尖端人工智能模型，提供多样化、适应性和智能化的用户互动。Chatbox还具备强大的提示功能，释放创造力，支持Markdown、引用、令牌估计等功能，为思维提供广阔的发展空间。
-
ChatX App:一个强大的AI客户端，支持多设备云同步，提升工作和生活效率。
ChatX是一个基于先进AI技术的客户端应用，它通过高速API服务器提供极速体验，支持iPhone、iPad和macOS设备间的云同步。用户可以利用它完成各种AI任务，如文本生成、图片生成等，显著提高工作效率。产品的主要优点包括高速访问、自定义功能、经济的按字数消耗模式以及丰富的高级功能，如AI参数微调、Siri朗读等。ChatX的背景是AI技术的快速发展和用户对于高效、智能工具的需求。目前，产品在Mac App Store上免费提供，但提供App内购买项目。
-
RAGFlow:开源的基于深度文档理解的RAG（检索增强生成）引擎
RAGFlow是一个开源的RAG（Retrieval-Augmented Generation）引擎，基于深度文档理解，提供流线型的RAG工作流程，适用于各种规模的企业。它结合了大型语言模型（LLM）提供真实的问答能力，支持从各种复杂格式数据中引用确凿的引文。
-
EmojiTell:使用表情组合翻译器，让沟通更有趣且富有表现力。
EmojiTell是一个创新的在线服务，可以将文本翻译成表情组合，增加沟通的趣味性和表现力。它由一支对表情符号充满热情的开发者和设计师团队开发，旨在通过表情符号的力量，让信息传递更加生动和个性化。
-
Perplexica:一个开源的AI驱动搜索引擎，提供深入网络的答案。
Perplexica是一个开源的AI驱动搜索引擎，它不仅搜索网络，还理解您的问题。它使用先进的机器学习算法，如相似性搜索和嵌入，来优化结果，并提供引用来源的清晰答案。使用SearxNG保持最新和完全开源，确保您始终获得最新信息，同时不损害您的隐私。
-
FaceChain:深度学习工具链，用于生成你的数字孪生体。
FaceChain是一个深度学习工具链，由ModelScope提供支持，能够通过至少1张肖像照片生成你的数字孪生体，并在不同设置中生成个人肖像（支持多种风格）。用户可以通过FaceChain的Python脚本、熟悉的Gradio界面或sd webui来训练数字孪生模型并生成照片。FaceChain的主要优点包括其生成个性化肖像的能力，支持多种风格，以及易于使用的界面。
-
Huggingface 镜像站:一个公益项目，致力于帮助国内AI开发者快速、稳定的下载模型、数据集。
HuggingFace镜像站是一个非盈利性项目，旨在为国内的AI开发者提供一个快速且稳定的模型和数据集下载平台。通过优化下载过程，减少因网络问题导致的中断，它极大地提高了开发者的工作效率。该镜像站支持多种下载方式，包括网页直接下载、使用官方命令行工具huggingface-cli、本站开发的hfd下载工具以及通过设置环境变量来实现非侵入式下载。
-
WebLlama:构建能够根据指令浏览网页并和您对话的强大代理
WebLlama是一个基于Meta Llama 3构建的代理，专门为网页导航和对话进行了微调。它旨在构建有效的以人为中心的代理，帮助用户浏览网页，而不是取代用户。该模型在WebLINX基准测试中超越了GPT-4V（零样本）18%，展示了其在网页导航任务中的卓越性能。
-
Infra Copilot:利用机器学习自动生成基础设施代码，提高开发效率。
GitHub Copilot for Infrastructure as Code（简称Infra Copilot）是一个利用机器学习技术帮助基础设施专业人员自动生成精确基础设施代码的工具。它通过理解基础设施任务的上下文，允许专业人员使用自然语言表达需求，并接收相应的代码建议。Infra Copilot不仅简化了基础设施即代码（IaC）的开发过程，还确保了跨环境和项目的一致性，加速了新团队成员的上手和学习过程，显著提高了工作效率并节约了时间。
-
LLaVA++:扩展LLaVA模型，集成Phi-3和LLaMA-3，提升视觉与语言模型的交互能力。
LLaVA++是一个开源项目，旨在通过集成Phi-3和LLaMA-3模型来扩展LLaVA模型的视觉能力。该项目由Mohamed bin Zayed University of AI (MBZUAI)的研究人员开发，通过结合最新的大型语言模型，增强了模型在遵循指令和学术任务导向数据集上的表现。
-
PhysDreamer:通过视频生成实现基于物理的3D对象交互
PhysDreamer是一个基于物理的方法，它通过利用视频生成模型学习到的对象动力学先验，为静态3D对象赋予交互式动力学。这种方法允许在缺乏真实物体物理属性数据的情况下，模拟出对新颖交互（如外力或代理操作）的真实反应。PhysDreamer通过用户研究评估合成交互的真实性，推动了更吸引人和真实的虚拟体验的发展。
-
AI快站:专注于提供HuggingFace模型免费加速下载服务的平台
AI快站是一个为AI开发者设计的服务平台，提供HuggingFace模型的免费加速下载，解决大模型下载缓慢和断开的问题，支持高达4M/s的下载速度，大幅减少等待时间，提高开发效率。
-
Llama-3 8B Instruct 262k:一款由Gradient AI团队开发的高性能文本生成模型。
Llama-3 8B Instruct 262k是一款由Gradient AI团队开发的文本生成模型，它扩展了LLama-3 8B的上下文长度至超过160K，展示了SOTA（State of the Art）大型语言模型在学习长文本操作时的潜力。该模型通过适当的调整RoPE theta参数，并结合NTK-aware插值和数据驱动的优化技术，实现了在长文本上的高效学习。此外，它还基于EasyContext Blockwise RingAttention库构建，以支持在高性能硬件上的可扩展和高效训练。
-
CoreNet: 是一个用于训练深度神经网络的库。
CoreNet 是一个深度神经网络工具包，使研究人员和工程师能够训练标准和新颖的小型和大型规模模型，用于各种任务，包括基础模型（例如 CLIP 和 LLM）、对象分类、对象检测和语义分割。
-
Llama-Chinese:构建最好的中文Llama大模型，完全开源可商用。
Llama中文社区是一个专注于Llama模型在中文方面的优化和上层建设的技术社区。社区提供基于大规模中文数据的预训练模型，并对Llama2和Llama3模型进行持续的中文能力迭代升级。社区拥有高级工程师团队支持，丰富的社区活动，以及开放共享的合作环境，旨在推动中文自然语言处理技术的发展。
-
Interactive3D:通过交互式3D生成技术，实现高质量且可控的3D模型创建。
Interactive3D是一个先进的3D生成模型，它通过交互式设计为用户提供了精确的控制能力。该模型采用两阶段级联结构，利用不同的3D表示方法，允许用户在生成过程的任何中间步骤进行修改和引导。它的重要性在于能够实现用户对3D模型生成过程的精细控制，从而创造出满足特定需求的高质量3D模型。
-
GraphRAG:结合文本提取、网络分析和大型语言模型提示与总结的端到端系统
GraphRAG (Graphs + Retrieval Augmented Generation) 是一种通过结合文本提取、网络分析以及大型语言模型（LLM）的提示和总结，来丰富理解文本数据集的技术。该技术即将在GitHub上开源，是微软研究项目的一部分，旨在通过先进的算法提升文本数据的处理和分析能力。
-
Qwen1.5-110B:Qwen1.5系列首个千亿参数开源模型，多语言支持，高效Transformer解码器架构。
Qwen1.5-110B是Qwen1.5系列中规模最大的模型，拥有1100亿参数，支持多语言，采用高效的Transformer解码器架构，并包含分组查询注意力（GQA），在模型推理时更加高效。它在基础能力评估中与Meta-Llama3-70B相媲美，在Chat评估中表现出色，包括MT-Bench和AlpacaEval 2.0。该模型的发布展示了在模型规模扩展方面的巨大潜力，并且预示着未来通过扩展数据和模型规模，可以获得更大的性能提升。
-
ID-Aligner:一种用于增强身份保留文本到图像生成的反馈学习框架
ID-Aligner 是一种用于增强身份保留文本到图像生成的反馈学习框架，它通过奖励反馈学习来解决身份特征保持、生成图像的审美吸引力以及与LoRA和Adapter方法的兼容性问题。该方法利用面部检测和识别模型的反馈来提高生成的身份保留，并通过人类标注偏好数据和自动构建的反馈来提供审美调整信号。ID-Aligner 适用于LoRA和Adapter模型，通过广泛的实验验证了其有效性。