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
openGauss的目标是探索oGRAC和超节点深度融合的可能,打造超节点原生数据库。
清华团队开发DKT模型,利用视频扩散AI技术成功解决透明物体深度估计难题。该研究创建了首个透明物体视频数据集TransPhy3D,通过改造预训练视频生成模型,实现了准确的透明物体深度和法向量估计。在机器人抓取实验中,DKT将成功率提升至73%,为智能系统处理复杂视觉场景开辟新路径。
字节跳动研究团队提出了专家-路由器耦合损失方法,解决混合专家模型中路由器无法准确理解专家能力的问题。该方法通过让每个专家对其代表性任务产生最强响应,同时确保代表性任务在对应专家处获得最佳处理,建立了专家与路由器的紧密联系。实验表明该方法显著提升了从30亿到150亿参数模型的性能,训练开销仅增加0.2%-0.8%,为混合专家模型优化提供了高效实用的解决方案。
上海AI实验室团队开发的Yume1.5是一个革命性的AI视频生成系统,能够从单张图片或文字描述创造无限可探索的虚拟世界。用户可通过键盘控制实时探索,系统8秒内完成生成,响应精度达0.836,远超现有技术。该系统采用创新的时空通道建模和自强制蒸馏技术,支持文本控制的事件生成,为虚拟现实和内容创作领域开辟了新的可能性。