10月15日, 2023搜狐视频舞蹈翻跳大赛重庆赛区正式拉开帷幕,众多舞蹈大神现场实力斗舞,展现舞技。现场的随机舞蹈大狂欢,超百人跟着节奏随机舞蹈嗨翻天,过千人到场观赛场面壮观,随着搜狐视频直播一起在雾都线下和关注流线上社交转发中,掀起出圈热浪。
当日,搜狐创始人、董事局主席兼首席执行官、物理学博士张朝阳现场出席。人气偶像、内地流行乐唱跳歌手、新生代演员孙滢皓,NAME组合成员龙韵竹、冯若航,舞蹈达人酱咖力力、JOY等也来到现场并带来精彩表演,此外众多KPOP舞蹈达人组合、国内外知名KPOP翻跳比赛评委、多个明星艺人合作舞者、编舞师等也都来到现场助阵。

达人现场表演燃炸翻跳大赛 以舞会友激发随舞潮流
此次搜狐视频舞蹈翻跳大赛重庆赛区精彩纷呈,15日下午3小时的路演赛火热上演,在路演赛后,持续90分钟的随机舞蹈挑战吸引了数百位舞者一起舞蹈,更有近一百五十首KPOP歌曲嗨燃现场,超千人共同点燃现场气氛。舞蹈达人组成团队展开斗舞大战,最终选出前三名队伍颁发荣誉。重庆赛区作为线下路演赛的最后一站,为大赛的分赛区竞演部分画上圆满句号。

大赛阵容强大,热力值拉满,不仅有重庆本地舞蹈达人,也吸引了其他地区的优秀舞者。不论是专业舞者还是业余爱好者,跟着随机的动感节奏,都随时加入进来,现场盛况空前,引发出圈热议。

事实上,2023年搜狐视频舞蹈翻跳大赛于7月启动,线下路演活动曾在广州、上海举办,聚集了众多舞蹈界大V,还有刘隽、王一桥、曹宇雪等明星爱豆空降现场,火爆出圈。要参加2023搜狐视频舞蹈翻跳大赛,可以通过搜狐视频APP搜索“Z世代舞蹈日记”圈子关注并上传舞蹈翻跳视频,即有可能获得万元奖金。据悉,大赛总颁奖典礼预计将于11月底在北京举行。

舞出更大平台 搜狐持续发掘视频社交价值扶持创作者
此次火爆出圈的搜狐视频舞蹈翻跳大赛重庆赛区活动,是搜狐视频在山城重庆开展系列直播活动的部分之一。搜狐视频知识直播的代表IP《张朝阳的物理课》也在10月14日走进重庆大学。

无论是在大赛舞台展现风采的舞蹈达人,还是有任何一种热爱特长的用户、播主,皆可成为优质内容创作者,在搜狐视频关注流中,转发分享,利用社交制造和分发多元化内容。
如今的搜狐视频已经远不止一个长视频平台,打开搜狐视频“关注流”,就可以发现不同种类的圈子和丰富的直播、短视频内容,涵盖了幽默搞笑、国风、KPOP舞蹈、医疗健康、美妆、母婴、汽车、萌宠等等不同垂直领域的兴趣爱好者和播主们,每天分享各垂直领域新鲜的资讯,这里更是一个火热的视频社交平台。本次舞蹈翻跳大赛就源于搜狐视频“关注流”丰富多元的圈层文化,其中“Z世代舞蹈日记”圈子是全网年轻舞者聚集地。

在内容布局上,搜狐视频越来越丰富的话题度和更包容的平台吸引了不少大V入驻和开播,包括知识直播赛道,吸引了何懿医生、不刷题的吴姥姥、航天王一等专家学者来开直播讲知识,还成功推出了《张朝阳的物理课》《星空下的对话》《科学演讲局》等出圈IP,在全网掀起了知识学习的热潮。
当前,搜狐视频正通过“关注流”逐渐加重用户参与和共创视频内容,搜狐视频账号品类覆盖丰富,个人属性强,兼具“有趣、有用、观赏性强”等特征,内容高频更新,再加上平台的转发,能高效触达优质内容,获得更多信息增量,更能精准满足用户的内容需求。用户可以在“关注流”里面转发、关注、消费,实现以视频会友,构建了一个视频社交平台。

张朝阳表示,短视频时代每个人有点东西都可以迅速开直播和发短视频来讲,都成为每个领域的专家达人。除了知识直播,搜狐视频正在走向视频社交,基于“关注流”社交分发,覆盖了特别广泛的领域。年轻人在互联网上无论带货,还是传播各种知识,长期做就会在某个领域会变得特别专业,特别优秀,是非常有前途的,鼓励大家来搜狐视频做播主,开直播或者发短视频获得收益。
好文章,需要你的鼓励
Adobe研究院与UCLA合作开发的Sparse-LaViDa技术通过创新的"稀疏表示"方法,成功将AI图像生成速度提升一倍。该技术巧妙地让AI只处理必要的图像区域,使用特殊"寄存器令牌"管理其余部分,在文本到图像生成、图像编辑和数学推理等任务中实现显著加速,同时完全保持了输出质量。
香港科技大学团队开发出A4-Agent智能系统,无需训练即可让AI理解物品的可操作性。该系统通过"想象-思考-定位"三步法模仿人类认知过程,在多个测试中超越了需要专门训练的传统方法。这项技术为智能机器人发展提供了新思路,使其能够像人类一样举一反三地处理未见过的新物品和任务。
韩国KAIST开发的Vector Prism系统通过多视角观察和统计推理,解决了AI无法理解SVG图形语义结构的难题。该系统能将用户的自然语言描述自动转换为精美的矢量动画,生成的动画文件比传统视频小54倍,在多项评估中超越顶级竞争对手,为数字创意产业带来重大突破。
华为诺亚方舟实验室提出VersatileFFN创新架构,通过模仿人类双重思维模式,设计了宽度和深度两条并行通道,在不增加参数的情况下显著提升大语言模型性能。该方法将单一神经网络分割为虚拟专家并支持循环计算,实现了参数重用和自适应计算分配,为解决AI模型内存成本高、部署难的问题提供了全新思路。