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
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。
南洋理工大学与腾讯联合研究团队开发出Rolling Forcing技术,实现AI视频实时流式生成的重大突破。该技术通过滚动窗口联合去噪、注意力锚点机制和高效训练算法三项创新,解决了长视频生成中的错误累积问题,可在单GPU上以16fps速度生成多分钟高质量视频,延迟仅0.76秒,质量漂移指标从传统方法的1.66降至0.01,为交互式媒体和内容创作开辟新可能。
华中科技大学研究团队发现,通过让AI模型学习解决几何问题,能够显著提升其空间理解能力。他们构建了包含约30000个几何题目的Euclid30K数据集,使用强化学习方法训练多个AI模型。实验结果显示,几何训练在四个空间智能测试基准上都带来显著提升,其中最佳模型达到49.6%准确率,超越此前最好成绩。这项研究揭示了基础几何知识对培养AI空间智能的重要价值。