7月27日,由米粒影业(MILI PICTURES)出品的中国首部3D动画巨制《龙之谷:破晓奇兵》在北京蓝色港湾传奇时代影城抢先上映。该片由迪士尼金牌制作人比尔·伯顿领衔,好莱坞主创与中国本土一线动画团队并肩作战,最终打造了这部中国动画电影史上,投资最大,制作最精良的视效动画大片。联想作为米粒影业IT基础架构合作厂商,以ThinkStation工作站为《龙之谷:破晓奇兵》提供独家IT技术支持,承担了计算机图形(CG)动画制作的重任,以完美技术将艺术灵感化为现实。
联想集团中国区大客户事业部PC产品营销总经理王立平在首映礼上表示:“联想ThinkStation工作站自2008年问世以来,就以创新、高品质的产品获得了客户的认可,保持了19个季度在中国的业绩快速增长,在2013年底,联想ThinkStation中国区市场份额达到了32.8%。而DCC领域是我们今年重点发力的市场,此次与米粒影业合作,无疑将强化联想ThinkStation在DCC领域的领导力,我们也期待与米粒影业通过技术+艺术的创新,推动国内动漫电影与国际的接轨。”
米粒影业CTO徐喆介绍到,在《龙之谷:破晓奇兵》影片制作过程中,每一帧的文件大小约为1~2GB,每一个特效镜头的文件大小在50~100GB左右,而整部电影有大约500个特效镜头,仅特效镜头的渲染就是一项极为繁重的处理任务,如果在传统平台上进行渲染,很难在有限时间内完成。而通过联想ThinkStation搭建的集群渲染农场,渲染效率得到了25%的提升,《龙之谷:破晓奇兵》的制作周期缩短至18个月,领先于国际公司同品质作品24个月的制作周期。
无疑,《龙之谷:破晓奇兵》顶尖的制作水准和故事情节编排是其两大杀手锏,这也使其在今年5月法国戛纳电影节大放异彩,赢得国际众多专业人士的一致好评。而光环的背后,少不了制作团队的辛苦耕耘,以及顶级技术平台的鼎力支持。根据米粒影业创作团队的分工,联想ThinkStation工作站家族为其提供了量身定制的产品,基于英特尔至强E3-1200v3、E5-1600v2、E5-2600v2处理器, 联想ThinkStation工作站以更加稳定、强大的计算性能满足从美术、形象设计、场景设计到特效等不同部门的多样化需求。比如,前期的美术设计对硬件的要求相对不高,但需要超高的稳定性,联想提供了入门级的ThinkStation E系列和主流的ThinkStation S30工作站;而作为整个动画电影制作的核心部门,动画部门对显卡要求极高,因此配备了旗舰型的联想ThinkStation D30工作站,用户可随需轻松扩展;而对于后期渲染和片段合成,联想为其提供了灵活性最强的ThinkStation C30集群,最高配备24核的英特尔至强E5-2600v3处理器,以满足渲染对CPU线程数量、超大内存和海量存储的需求。在后端,以249台联想ThinkStation工作站为核心构建的渲染集群可轻松应对制作高峰期超过2,000亿次数据请求,以及100TB以上的7×24小时数据存储需求。 “两年多的时间里,ThinkStation工作站故障率不超过3%,在几百台工作站里只有几台发生过返修和调整。” 米粒影业负责特效制作的宋志远对联想工作站的稳定性表示了肯定。
据悉,《龙之谷:破晓奇兵》将于7月31日正式登陆全国院线。未来,联想ThinkStation工作站还将参与米粒影业后续作品的创作,加速中国动漫影视产业的创新,让灵感加速实现。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。