据国外媒体报道,皮克斯动画工作室(Pixar)创始人约翰·雷斯特(John Lasseter)日前在电影艺术与科学学院(Academy of Motion Picture Arts and Sciences)演讲时表示,未来获奖的电影中会有不少作品是由iPhone或GoPro等便携式摄影设备完成的,电影产业会迎来一个新的纪元。
“一些人可能会说,‘那不可能的。’但事实是,(这些便携式摄影设备)确实可以做到。”雷斯特表示,“他们之所以认为不可能,主要是因为这些设备本身的设计初衷并非是用于电影拍摄目的。”
在谈论颠覆性电影技术方面,雷斯特算得上权威人士。作为《玩具总动员》的导演,雷斯特很好地诠释了电脑动画电影的价值。
事实上,雷斯特的“预言”从某种角度看其实已经被实现。在今年圣丹斯电影节上,有一部名为《Tangerine》的电影就几乎完全是通过一部iPhone 5s拍摄的;而几年前,《老男孩》电影导演朴赞郁就曾只用一部iPhone 4制作了一部短电影;至于GoPro,该公司甚至已经开始经营一个在线视频频道,里面的短电影内容则完全由GoPro设备拍摄。当然,这些电影还称不上“获奖级别”的大作,不过从技术上却已经证明了能成为未来电影拍摄工具的可能。
除了预言用iPhone或GoPro拍摄的视频将能够获得电影制作奖项外,雷斯特更指出便携式摄影设备还能给电影风格注入新的活力。
“(iPhone和GoPro)能给电影注入一种我们此前从未有过的活力……我认为一种新的电影流派会伴随着这些新事物一同出现。” 雷斯特表示。
“活力”在这里指的是通过便携式设备拍摄出的电影的风格和个性。尤其以GoPro产品为例,此类拍摄风格能明显强化要传达的第一人称视角意图。
雷斯特最后指出,虽然人们普遍认为在现有电影技术下接受和推广这些新拍摄工具是非必要的,或者不可能的,但在现实中,新工具已被广泛讨论和使用。
好文章,需要你的鼓励
RGPO用"临时脚手架"破解大模型强化学习的奖励稀疏难题:先让模型独立解题,失败则分段放出标准解法引导重写,仅采纳经验证更优的答案。难题测试准确率从0跃至99.5%,语言模型平均分高出最强基线5.0分。
论文提出用MoE模型的路由器输出作为跨语言对齐目标,通过持续预训练对翻译句对施加路由KL散度损失,在不改变分词和架构的前提下让隐藏表示更接近,并在四个开源MoE模型、七种语言上验证了下游任务性能的一致提升。
DiffGate提出难度门控的教师指导机制,让验证器决定何时需要教师介入,仅对失败且困难的轨迹提供有界教师指导,结合GRPO强化学习,在数学与代码任务上显著提升解题覆盖率与跨领域迁移能力。
研究者用固定不变的16位二进制编码替代传统可训练词嵌入表,在17亿参数规模模型上训练1000亿token,证明模型仍可获得实质语言能力,揭示输入表并非必需,但性能略逊于可学习方案。