動畫片《辛普森一家》在“辛普森即興表演”( Simprovised)一集中進行了首次動畫直播,這一集于周日在美國播出。
早在1997 年,在《辛普森一家》“The Itchy & Scratchy & Poochie Show”這一集中,動畫主角荷馬·辛普森和動畫世界進行了一次親密接觸,為動畫小狗 Poochie 配音。當時荷馬問這一集是否是現(xiàn)場直播,一名資深配音演員冷淡地回答:“動畫沒辦法現(xiàn)場直播,動畫師的手沒有那么快。”
現(xiàn)在快 20 年后,他的預言性問題變成了現(xiàn)實,“辛普森”團隊利用 Adobe Character Animator 播出了該電視節(jié)目的第一個動畫直播片斷:在自己的配音演員 Dan Castellaneta 的幫助下,荷馬進行了三分鐘的即興表演,分享了他對當前事件的看法,并對粉絲提出的問題進行現(xiàn)場解答。
“辛普森即興表演”為《辛普森一家》、及其大批粉絲,以及電視動畫直播帶來了新突破。
Castellaneta 能夠進行即興直播,要歸功于 Adobe Character Animator(Creative Cloud 的組件 After Effects CC 的一項新功能)。該功能通過音唇同步技術(shù)和鍵盤觸發(fā)動畫魔術(shù)般地實現(xiàn)了這一場景。??怂购汀缎疗丈患摇返膬?yōu)秀團隊提前獲得了當時尚未發(fā)布的 Character Animator版本。Character Animation第一次正式發(fā)布是在全美廣播電視設備展(NAB)上。
Adobe 高級戰(zhàn)略開發(fā)經(jīng)理(senior strategic development manager at Adobe) Van Bedient 表示:“《辛普森一家》不懼風險,在娛樂未來發(fā)展和可能性方面不斷突破界限。在我們看來,沒有什么比在廣受歡迎的節(jié)目中進行動畫直播更能展示新的技術(shù)突破。“
通過Adobe Character Animator, 設計師能讓 2D 角色變得鮮活靈動。專業(yè)動畫師或任何設計師可以借助 Photoshop CC 或 Illustrator CC,打造層次感分明的角色,并將其放入 Character Animator 畫面中,然后在鏡頭面前將角色的動作表演出來。即使微妙的面部表情也能進行即時展現(xiàn),再加上對話錄音和通過按鍵觸發(fā)的其它動作,效果栩栩如生。當角色之間進行互動,或人們與自己喜愛的角色直接互動時,所有這一切結(jié)合起來打造出的動畫,便可擁有各種現(xiàn)實、實時元素。你微笑,你的角色也會對著你微笑。
Adobe 公司產(chǎn)品管理 DVA 高級總監(jiān)( senior director of product management DVA for Adobe )Bill Roberts 表示:“人們通常不會把動畫與速度和簡單聯(lián)系起來。傳統(tǒng)動畫需要花費大量的時間才能夠做好。傳達感情和動作并不容易,如果設計速度過快,就有可能損失其中各種重要細節(jié)。Character Animator 徹底改變了這種傳統(tǒng)做法。”
好文章,需要你的鼓勵
新加坡國立大學研究團隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓練AI玩簡單撲克游戲就能讓其數(shù)學推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學題目作為訓練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學解題中,為AI訓練提供了新思路。
同濟大學團隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學習和數(shù)學優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設備上展現(xiàn)出色泛化能力,為機器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學研究團隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學習訓練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓練效率,已在多個任務上驗證有效性。