4月16-24日北京国际电影节期间,有66部昔日获奖影片被选在京上映,其中包括15部国外影片。曝光的名单中,皮克斯经典作品《机器人总动员》引人关注,自08年播出以来,从未在中国内地上映过,只在电影节上有过亮相。这部几乎没有台词、没有丰富面部表情、光靠肢体语言和眼神表达的电影一经播出便广受赞誉,豆瓣评分9.3,更有网友称其为最喜欢的动画片,没有之一。
有人被瓦力对伊芙不离不弃的爱情所打动,有人被瓦力勤恳的工作态度所激励,有人喜欢瓦力可爱憨厚的性格,有人讽刺片中的人类被机械世界环绕而少了人情冷暖,有人被船长那句“where’s the blue sky where’s the grass”意识到环保不可少......
相较于新上映的里约大冒险2、天才眼镜狗等动画片,你喜欢怀旧还是尝鲜?在这里,分享一下关于《机器人总动员》那些幕后故事(选自豆瓣)。
1、谈到Wall·E的来源,导演安德鲁·斯坦顿否认了“ET”或者“霹雳五号”的说法(尽管外形很像),他只承认自己创造Wall·E受到了“小台灯”(Luxo)、双筒望远镜、R2-D2、迪士尼乐园“星空之旅”的机器人、卓别林以及伍迪·艾伦的影响。
2、给Wall E配音的是Ben Burtt,他是两座奥斯卡得主,也是这部电影的声效/配音/录制设计师。不只是Wall-E,其他很多机器人的配音都是他,包括小MO。
3、苹果公司的产品多次出现在电影中:
-当Wall-E 充电完成启动时的声音是苹果电脑的开机声
-Wall-E 每天晚上看的电影是通过ipod屏幕播放的
-飞船上的自动驾驶系统的声音是出自苹果的文字朗读系统MacinTalk
-Eve 的设计师是Jonnathan Ive,ipod就是他设计的
-Steve Jobs是苹果公司的创始人和首席执行官,而在2005年pixars被迪士尼收购之前他一直是pixars的CEO, 而现在他也是迪士尼的股东之一。
4、当Wall-E 冲破层层人造卫星飞出地球时,从他身上最后一个飘走的碎片是苏联人造卫星1号,这是历史上第一个被放到大气层外的人造物品。
5、AUTO遵循的A113指令实际上是加利福尼亚艺术协会的一个房间号码,很多Pixars的动画师都是在那学习的。在Pixars的另一部动画片The Incredibles中也出现过A113.
6、该片向Justion Wright作了致敬,他是一名出色的动画师,可惜死于心脏病,享年27。
7、飞船的名字叫Axiom,这个词是原理的意思,在逻辑和数学中,这个词代表不可争议的,确凿的。
8、在船长室里有一个古董柜子,里面有一只1980年NASA发送到太空的红蓝相间的头盔。
9、Auuto这个形象完全是像Stanley Kubrick的电影2001太空漫步中的HAL9000致敬,他们都是中间有一个大红圈,他也像HAL一样完全掌控了飞船,抗拒指令拼命对抗,最终都是干的坏事比好事多,被关闭了。
10、Wall-E为了讨Eve欢喜,给她做的一个小模型的右胳膊是Pixars的logo。
11、在Wall-E第一次进入他的房间打开灯后,可以在他的收藏品中看到玩具总动员中的Rex。
12、当Eve第一次跟Wall E说话时,她一开始说了很多语言,其中一个语言是Huttese,是星球大战第五集中Jabba the Hutt讲的语言。
13、导演Andrew Stanton在一次采访中讲述为什么用Hello Dolly的片断:“我第一次知道Hello Dolly的时候,我听到Put on your sunday cloths这首歌,它第一句out there..一出来我就觉得这首歌音乐上非常符合我的电影,我最终想到,看啊,这就是关于两个非常天真质朴的人,他们永远呆在那个小城里,不愿意离开,只是想到外面大城市里住一宿,亲吻一个女孩就回来。这就是我的主角的概念。然后我的合作伙伴Jim Reardon说,‘猜怎么着,我估计能在我内堆垃圾里翻出这盘带子,他就这么着启发了灵感,由此也看出这家伙非常浪漫。后来我们就一起看这个电影,我们又发现了另一首歌It Only Takes A Moment,然后看到这对恋人手牵手,我突然意识到,这太符合我的角色表达爱的方式了,他不会说话,这种方式不需要用语言表达。”
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。