正在加载视频...

视频加载失败

《流淌的文明》数字动画整体以青绿写意山水画为主体风格, 以虚幻引擎+文化融合的独特渲染构架,通过三维模型表达、场景构建、动态仿真重塑运河文旅景观带,让山东省济宁市的玉堂酱园、竹竿巷、河道总督衙门、玉带桥、太白楼、声远楼、铁塔寺等大运河历史古迹“活起来”。#济宁

26,220 次观看 • 2 年前 •via X (Twitter)

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

使用AI生成3D模型,最终利用comfyUI渲染输出成片的工作流全过程 以下是GPT4总结的制作流程: 1. 文本到3D生成 在LumaLabs使用Gini文本到3D:访问LumaLabs网站,选择Gini文本到3D功能,输入如“Naruto T-pose”的描述性文本提示生成3D模型。 预览和调整:预览生成的3D模型,根据需要调整文本提示或使用提供的选项重新生成以获得满意的结果。 2. 导入和编辑模型 导入模型到Blender:将生成的3D模型(如身体、头部和手部)导入到Blender中。 调整模型位置和比例:在Blender中调整各个部分的位置和比例,确保模型的整体协调。 组合和调整细节:将不同的部件(头部、手部等)组合成一个完整的模型,对模型的姿态、细节进行必要的调整。 模型优化:对模型进行必要的优化,包括调整网格和重新拓扑(如果需要),以便于动画处理。 3. 动画和导出 应用骨骼和动画:将调整好的3D模型导出为FBX文件,然后在Mixamo网站上应用自动骨骼绑定和选择动画。 导入动画到Blender:将带有动画的模型重新导入到Blender中进行进一步的编辑和调整。 4. 进一步编辑 动画循环设置:在Blender中设置动画循环,确保动画可以平滑地循环播放。 相机和光照设置:调整相机角度和光照设置,以改善动画的视觉效果和氛围。 渲染设置:调整渲染设置,包括分辨率和渲染引擎设置,以获得高质量的动画输出。 5. 最终渲染和后处理 渲染动画:在Blender中渲染完成的动画,导出为视频文件。 后处理:可选地,将渲染完成的视频导入到Comfy UI或其他视频编辑软件中进行后处理,添加背景、特效和其他视觉元素,以完成最终的动画作品。 通过这些具体的小步骤,从文本描述到完成的3D动画的整个制作过程被详细地概述和解释,为想要学习这一流程的人提供了一份详细的指南。

Yangyi

25,462 次观看 • 2 年前

9月19日,中国艺术家蔡国强在西藏乡村的高山和农田点燃、炸开五彩烟花,做了一场名为“升龙”的艺术表演。他还声称他把当地的山命名为“热龙”。 然而,西藏本地的山自有其名,承载着世世代代的记忆与信仰,无须你命名!一个毫不尊重当地文化和自然的外来艺术家用一次短暂的表演来“重新命名”西藏的山,完全是赤裸裸的文化殖民的行为。而他所谓“彩龙是西藏文化的延伸”,纯属胡扯! 再看生态。哪怕宣称“使用可降解材料”“燃放后修复植被”,也难以掩盖事实:在极其脆弱的高原环境里,大规模爆破式烟花注定带来噪音、垃圾残留和空气污染。哪怕只是短短几分钟的表演,也会对雪域的水源与野生动物造成冲击。说什么“通过盐砖引导鼠兔等小型动物离开燃放区”,这很荒唐;所谓“燃放后立即清理并翻土复植”,山体一旦被火药灼烧、熏黑,本身就是一种生态创伤。 更重要的是姿态。这并非真正的“艺术”,而是一次景观社会的表演:在媒体镜头里,火光与彩烟被塑造为“壮观画面”,而真实的自然则被贬为背景与道具。所谓“生生不息”的精神,不过是消费自然、消费西藏的一套辞令。更是对喜马拉雅生态环境的侵入与污染。 这是当代艺术吗?我们看见的是,一个文化帝国主义者以西藏山河为道具而进行的狂妄自大的炫技。在几分钟的爆破背后,付出的却是雪山的生态代价与文化尊严。这不是“天地对话”,而是文化帝国主义者在雪域高原上的一次令人作呕的表演。

འོད་ཟེར།唯色Woeser💙💛 🦋

369,191 次观看 • 10 个月前

继解读芳华火了后,B站博主“吃瓜盟主”解读《红楼梦》的视频也火了! 她将这部经典文学作品重构为“明朝血泪史”的隐喻文本。指出:红楼梦实为明遗群体创作的“反清悼明”的密码书: 吃瓜蒙主的核心解读,建立在“以假语写真事”的隐喻体系之上:“贾府”即“假府”,暗指朱家明朝的皇宫;“红楼”之“红”谐音“朱”,直指汉家正统;而整部书的核心意象“通灵宝玉”,绝非普通奇石,而是传国玉玺的化身。宝玉“衔玉而生”,对应皇权天授;玉上“莫失莫忘,仙寿恒昌”的铭文,正是传国玉玺“受命于天,既寿永昌”的变体;他三次怒摔宝玉的癫狂之举,实则是崇祯自缢、南明覆灭、正统失落的亡国之痛宣泄。书中从未提及贾宝玉的大名,恰如明朝灭亡后,汉家正统之名不复存在的历史境遇。 林黛玉作为扬州人,其“玉带林中挂”的判词被解读为崇祯帝煤山自缢的隐喻,两次葬花的时间更暗藏玄机——三月中浣贴近崇祯殉国之日,四月二十五恰是“扬州十日”屠城开端,“葬花”实为“葬华”,是对汉家生灵涂炭的血泪祭奠。薛宝钗则被赋予清廷象征:“钗”为金属,“冷香丸”暗合北方异族的苦寒属性,“金玉良缘”绝非姻缘佳话,而是“金(清)取代玉(明)”的政权更迭隐喻。就连“袭人”之名,也被拆解为“龙衣人”,暗指皇权继承者,其嫁与蒋玉菡(“菡”谐音“玺匣”)的结局,象征着政权交接的完成。 情节与历史的硬核互证,更让这场解码充满震撼力。元妃省亲的奢华盛景,原型是康熙南巡的铺张耗费,背后暗藏的巨额亏空,恰似明朝末年表面繁华下的国库空虚,最终难逃“虎兕相逢大梦归”的国运崩塌;抄检大观园的家族清洗,对应清廷对江南抗清世家的打压,探春“百足之虫死而不僵”的怒斥,正是抗清义士的顽强呐喊;《葬花吟》中“风刀霜剑严相逼”,既指清初“剃发易服”的武力压迫,也含文字狱的文化禁锢,字字泣血记录着汉人的生存绝境。而书中“风月宝鉴”的隐喻更具深意:正面的情爱富贵是清廷允许展现的表象,背面的白骨如山才是明清异代的真实图景。 吃瓜蒙主的解读实则延续了红学索隐派“吊明之亡,揭清之失”的学术脉络,与蔡元培等先贤的研究一脉相承。

王局拍案

284,624 次观看 • 7 个月前

OpenAI 的大神 Andrej Karpathy 前几天在他的 YouTube 频道讲了一堂课,系统的介绍了大语言模型,内容深入浅出,非常赞,抽空将它翻译成了双语,由于内容较长,我将分批上传,以下是第一部分精校后的双语视频,字幕文稿如下: Intro: Large Language Model (LLM) talk 大家好。最近,我进行了一场关于大语言模型的 30 分钟入门讲座。遗憾的是,这次讲座没有被录制下来,但许多人在讲座后找到我,他们告诉我非常喜欢那次讲座。因此,我决定重新录制并上传到 YouTube,那么,让我们开始吧,为大家带来“忙碌人士的大语言模型入门”系列,主讲人 Scott。好的,那我们开始吧。 LLM Inference 首先,什么是大语言模型 (Large Language Model) 呢?其实,一个大语言模型就是由两个文件组成的。在这个假设的目录中会有两个文件。 以 Llama 2 70B 模型为例,这是一个由 Meta AI 发布的大语言模型。这是 Llama 系列语言模型的第二代,也是该系列中参数最多的模型,达到了 700 亿。LAMA2 系列包括了多个不同规模的模型,70 亿,130 亿,340 亿,700 亿是最大的一个。 现在很多人喜欢这个模型,因为它可能是目前公开权重最强大的模型。Meta 发布了这款模型的权重、架构和相关论文,所以任何人都可以很轻松地使用这个模型。这与其他一些你可能熟悉的语言模型不同,例如,如果你正在使用 ChatGPT 或类似的东西,其架构并未公开,是 OpenAI 的产权,你只能通过网页界面使用,但你实际上没有访问那个模型的权限。 在这种情况下,Llama 2 70B 模型实际上就是你电脑上的两个文件:一个是存储参数的文件,另一个是运行这些参数的代码。这些参数是神经网络(即语言模型)的权重或参数。我们稍后会详细解释。因为这是一个拥有 700 亿参数的模型,每个参数占用两个字节,因此参数文件的大小为 140 GB,之所以是两个字节,是因为这是 float 16 类型的数据。 除了这些参数,还有一大堆神经网络的参数。你还需要一些能运行神经网络的代码,这些代码被包含在我们所说的运行文件中。这个运行文件可以是 C 语言或 Python,或任何其他编程语言编写的。它可以用任何语言编写,但 C 语言是一种非常简单的语言,只是举个例子。只需大约 500 行 C 语言代码,无需任何其他依赖,就能构建起神经网络架构,并且主要依靠一些参数来运行模型。所以只需要这两个文件。 你只需带上这两个文件和你的 MacBook,就拥有了一个完整的工具包。你不需要连接互联网或其他任何设备。你可以拿着这两个文件,编译你的 C 语言代码。你将得到一个可针对参数运行并与语言模型交互的二进制文件。 比如,你可以让它写一首关于 Scale AI 公司的诗,语言模型就会开始生成文本。在这种情况下,它会按照指示为你创作一首关于 Scale AI 的诗。之所以选用 Scale AI 作为例子,你会在整个演讲中看到,是因为我最初在 Scale AI 举办的活动上介绍过这个话题,所以演讲中会多次提到它,以便内容更具体。这就是我们如何运行模型的方式。只需要两个文件和一台 MacBook。 我在这里稍微有点作弊,因为这并不是在运行一个有 700 亿参数的模型,而是在运行一个有 70 亿参数的模型。一个有 700 亿参数的模型运行速度大约会慢 10 倍。但我想给你们展示一下文本生成的过程,让你们了解它是什么样子。所以运行模型并不需要很多东西。这是一个非常小的程序包,但是当我们需要获取那些参数时,计算的复杂性就真正显现出来了。 那么,这些参数从何而来,我们如何获得它们?因为无论 run.c 文件中的内容是什么,神经网络的架构和前向传播都是算法上明确且公开的。

宝玉

1,122,956 次观看 • 2 年前

比特币需要生态吗?作为“数字黄金”BTC不需要,但它运行于其上的比特币主网需要。 有没有想过,当长期累积比特币区块奖励不足以覆盖同时期比特币主网矿工的安全成本时会发生什么?可以预见会发生主网总算力下降-主网安全性下降-比特币价格下跌-主网总算力下降的死亡螺旋。 在比特币白皮书里,中本聪给出了解决方案:用未来持续增长的交易矿工费弥补下降的区块奖励。 然而,BTC在现实中并没有实现中本聪愿景成为P2P支付货币,而是成为了“数字黄金”。比特币主网的TX规模,并没有随着BTC价格和采用度的增长而线性增长。反而是铭文、符文的爆发带来了一波极速扩张,然而铭文、符文的性质更像是一波流的短周期现象。在热潮过去之后,比特币主网TX规模快速回落,还留下一个有着天量碎片化UTXO的膨胀UTXO集。 所以,在铭文、符文之外,我们需要从第一性原理出发为比特币主网构建一下系统的、多元化、多层的比特币生态。这个比特币生态包括:基于BitVM V2的去信任桥、以比特币主网作为结算层的比特币L2、利用BTC经济安全性的ReStaking协议和LST协议、可信中心化托管/去信任去中心化托管的Wrap版BTC等等。 其中一个典型的例子是GOAT Network,它是1条从比特币主网获取安全性Bitcoin Rollup L2。它通过引入了一个乐观挑战协议(GOAT-OCP)和利用 BitVM2 保障安全性及 ZKM 交织Rollup作为通用结算层,以增强交易包含性和最终性,同时在一个去中心化的序列器网络内保护资产。 听起来很复杂,为了方便理解,我们可以把GOAT Network看作是第一代本质为多重签名智能合约的比特币 Rollup L2的全面升级版本。这个版本的Bitcoin L2,状态数据的验证将以ZKP的形式通过BitVM2在比特币主网验证状态根的Commitment,将有一个欺诈证明挑战过程保障资金L2资产的安全性和无许可性,将有一个去中心化的序列器网络负责L2 TX的排序和打包。 从Infra构建的角度来说,GOAT Network简直是一个Bitcoin L2的完美范式。但下一个棘手问题随之而来:生态如何构建,用户从何而来? 靠吸引比特币生态的铭文/符文玩家?Pass!靠积分系统PUA羊毛党爆数据?Pass!靠制造高预期引导社区空投Farming?Pass! GOAT Network联创Kevin已在X公开宣称以上玩法已死。比特币生态需要一点新的激动人心的新东西:MeMeFi和Community对齐。 GOAT Network生态理念,主动与meme币太祖BTC和太宗DogeCoin的价值理念对齐,致力于成为人民的货币的乐园,成为加密社区的新乐土。 按照这一理念,GOAT Network的生态构建分为三步: 第一步:为BTC/DOGE带来真实收益,即允许用户质押BTC/DOGE到GOAT Network的去中心化序列器网络赚取BTC奖励。 第二步:将很快推出一套 MemeFi dApp,帮助Meme持有者在GOAT生态内获得DeFi收益。 第三步:启动One Piece计划,为社区参与打造一个完整的宇宙观,社区成员在探索太空、收集文明碎片、建立联盟的同时,还能从BTC/DOGE中赚取实际收益。 One Piece计划将分为GOAT Capsule NFTs 、月球基地建设 、火星防御城市 、光谱飞船组装 、宇宙联盟成立五章。每一章,都会为社区成员解锁对应的新机会。 结语 Dev们,时代变了。完美的Infra,不再能自动获得市场注意力、流动性和用户。这个新时代,Dev需要下地干活儿,一砖一瓦构建以社区为中心的生态。春江水暖鸭先知,GOAT Network已经意识到这一点。 总结起来,GOAT Network生态构建的核心原则是,文化优先、统一的社区目标和长期价值对齐。 就像Hyperliquid那样,不再有无意义的刷量,不再有空投后立即抛售。 告别: ❌ 短期积分 ❌ 随机空投 ❌ 恶性竞争 迎接: ✅ 可持续收益 ✅ 社区驱动目标 ✅ 共同成功 无论你是BTC极大主义者,还是DOGE爱好者,或者只是相信社区力量的普通人 - GOAT Network正在为你构建一个特别的东西。 以上。

NingNing

27,401 次观看 • 1 年前

看我作为一个 AI 博主是如何用飞书 + 【可联网的】DeepSeek R1 搭建简单自动化工作流提升工作效率的 作为一个 AI 博主,日常一大部分工作是阅读和分享各种海外的AI资讯,这就少不了要翻译各种英文文章。之前我很多操作是手动的,比如复制粘贴文章到 Markdown 编辑器,然后从编辑器复制到 DeepSeek R1 或者 ChatGPT 去翻译,再改写后发布。 之前看 orange ai 分享的飞书多维表格接入 DeepSeek R1 的教程,【加上这周飞书的AI直播】,按照我自己的场景定制了几个工作流,最开始只是简单的文本翻译,后来发现也能用支持从图片提取文字,那意味着我可以直接先把图片转成文字,再基于翻译好的文本用 DeepSeek R1 翻译。简单设置后就成功了。 再后来我甚至更进一步,直接从 URL 抓取内容,然后借助 DeepSeek R1 翻译,最后甚至还可以把翻译后的文章用各种不同的文章风格改写,使用的时候只要输入 URL 就可以自动生成一篇高质量的文章,是真的很方便。 具体来说,就是飞书在添加字段的时候,可以选 ShortCuts(中文可能对应的是“快捷方式”),然后从快捷方式中选择各种不同的工具,比如说 AI 抓取、DeepSeek R1、图片 OCR、图片生成、抠图等等,并且你可以设置某个字段的内容为输入,以及自定义提示词。 就像我前面自动从 URL 生成文章的流程,主要有这样几个字段: - URL:输入 URL - 原始网页内容(AI Web Link Reader):从输入的 URL 中提取标题、内容为 Markdown 文本 - 翻译为中文(DeepSeek R1):将抓取后的 Markdown 文本翻译为中文 - 翻译为中文 - 输出结果:DeepSeek R1 的输出结果 - 风格改写(DeepSeek R1):将翻译后的内容用指定的风格改写,阅读起来更自然 - 风格改写 - 输出结果:DeepSeek R1 的输出结果 除了上面的 URL 生成文章外,里面还包含了几个不同的常用工作流: - 将输入的文本内容翻译为中文 - 将输入的图片内容翻译为中文 - 生成多条爆款标题供选择 工作流的飞书模板链接🔗我放在了评论,建议你也可以试试,应该可以发掘出不少有意思的场景。⬇️

宝玉

87,416 次观看 • 1 年前

Sofi 体育场太震撼了!美国体育文化和资本的极致体现! SoFi Stadium(索菲体育场)位于洛杉矶 Inglewood,2020 年启用,总造价通常估算约 55亿美元,因此常被称为“世界最昂贵体育场”。它不是单纯的橄榄球场,而是一个面向未来的 体育、娱乐、商业、城市更新综合体:同时服务 NFL 洛杉矶公羊队和闪电队,可承办超级碗、世界杯、奥运会、演唱会和大型商业活动。它最独特的设计理念是“室内的确定性 + 户外的开放感”:体育场覆盖巨大的半透明 ETFE 屋顶,可以遮雨、引入自然光、降低太阳辐射热,同时通过可开启通风面板和海风流动,让场馆不完全依赖传统空调;场内还有悬挂式双面 4K Infinity Screen 巨型环形屏,集成音响和信息显示,重新定义了现场观赛体验。更关键的是,SoFi 把体育场从“比赛当天才有价值的建筑”,升级为全年运转的超级流量平台,周边还结合商业区、公共空间、景观和湖泊,体现的是新一代美国体育场理念:用一座场馆撬动赛事经济、娱乐经济、地产开发和城市品牌。 SoFi Stadium 在 2026 世界杯不是普通分赛场,而是美国队主场叙事和淘汰赛焦点场馆之一;它既承办美国队小组赛,又承办四分之一决赛,正好符合这座55亿美元体育场“超级赛事平台”的定位。

蔡子博士Chris

36,082 次观看 • 1 个月前