陳德容 她那個隊伍適合我的 特朗普說美聯(lián)儲主席早走人越好 IT之家 1 月 21 日消息，英偉達官現(xiàn)已公布 RTX 6000 工作站顯卡的價，為 6800 美元（當前約 46104 元人民幣）。IT之家了解到，RTX 6000?是一款與 GeForce RTX 40 顯卡相同架構(gòu)的工作站顯，基于 AD102 GPU，CUDA 核心數(shù)為 18176，比 RTX 4090 多 11%，顯存為?48GB，是 RTX 4090 的兩倍，功耗為?300W。RTX 6000?的?Boost 頻率為?2.5 GHz，與 RTX 4090 相同，GDDR6 顯存速度為?20 Gbps。IT之家了解到，2022 年 9 月份，英偉達發(fā)了基于全新 Ada Lovelace 架構(gòu)的 RTX 6000 工作站 GPU，技術(shù)特性如下：第代 RT Core：吞吐量是上一代的 2 倍，能夠同時行具有著色或噪功能的光線蹤技術(shù)。第四 Tensor Core：相比上一代 AI 訓練性能提升近 2 倍，擴展支持 FP8 數(shù)據(jù)格式。CUDA core：單精度浮點吞吐量最高達上一代的 2 倍。GPU 內(nèi)存：具有 48GB GDDR6 內(nèi)存，可處理大規(guī)模的 3D 模型、圖像渲染、模擬和 AI 數(shù)據(jù)集。虛擬化：將支用于多個高性虛擬工作站實的 NVIDIA 虛擬 GPU (vGPU) 軟件，使遠程用戶能夠共資源并驅(qū)動高設(shè)計、AI 和計算工作負載XR（擴展現(xiàn)實）：視頻編碼能相比上一代品提升近 3 倍，可使用 NVIDIA CloudXR 流式傳輸實現(xiàn)個 XR 會話同步? IT之家 1 月 21 日消息，Canalys 最新預(yù)測，2023?年全球網(wǎng)絡(luò)安全支出（包括企業(yè)產(chǎn)品和服務(wù)）將增長 13.2%，對渠道伙伴來說，仍是關(guān)鍵的增長領(lǐng)域。在理想條件下，2023?年的總支出預(yù)計將達到 2238?億美元，網(wǎng)絡(luò)安全服務(wù)的交付量將超過產(chǎn)品的出貨量。絡(luò)威脅的持續(xù)走高，促使各企業(yè)先加大對網(wǎng)絡(luò)安全的投入。由于算負責人面臨的壓力越來越大，且并非所有項目都將獲得批準，們必須仔細審查各項支出，關(guān)注為緊迫的網(wǎng)絡(luò)安全需求，以最大度地降低違規(guī)風險。政府和企業(yè)這方面的支出將會增加，但隨著濟狀況的惡化，來自小企業(yè)的投將會減少。Canalys 分析師表示，“從運營、財務(wù)和品牌度來看，勒索軟件仍然是各企業(yè)臨的最大威脅。但 ChatGPT 等生成式人工智能模型的出現(xiàn)和濫用，在 2023 年將網(wǎng)絡(luò)風險提高到另一個水平。這將使多網(wǎng)絡(luò)安全威脅者能夠以工業(yè)化規(guī)模加速創(chuàng)建惡意代碼，并增加擊的頻率和范圍。各企業(yè)已經(jīng)在力應(yīng)對當前的威脅，不能再削減部分開支，因為一旦放松警惕，們在網(wǎng)絡(luò)威脅面前可能會變得不一擊。相反，他們需要與渠道伙更密切地合作，以便做出更明智投入?！眻D源 PexelsIT之家了解到，2023 年網(wǎng)絡(luò)安全服務(wù)（包括咨詢、外包、部署集成、維護和管理服務(wù)）的交付計將增長 14.1%，達到 1443 億美元。這將占據(jù) 2023 年全球網(wǎng)絡(luò)安全市場份額的 64.5%。Canalys 研究分析師表示：“今年，各組將繼續(xù)轉(zhuǎn)變其網(wǎng)絡(luò)安全戰(zhàn)略，以高防御能力。實施零信任架構(gòu)以決新冠疫情以來出現(xiàn)的網(wǎng)絡(luò)安全洞。這將推動渠道伙伴提供更多詢服務(wù)，并為部署和集成不同廠的多種產(chǎn)品創(chuàng)造機會，同時通過管服務(wù)降低運營的復(fù)雜性?？傮w言，2023 年，超過 90% 的網(wǎng)絡(luò)安全產(chǎn)品和服務(wù)支出將通過渠溪邊伙伴來進行?！?023 年，網(wǎng)絡(luò)安全產(chǎn)品（包括終端安、網(wǎng)絡(luò)安全、網(wǎng)絡(luò)和電子郵件安、數(shù)據(jù)安全、權(quán)限管理以及漏洞安全分析）的出貨量將增長 11.7%，達到 795 億美元。這意味著技術(shù)領(lǐng)域會出現(xiàn)九歌勁增，但與 2022 年相比，增長會有所放緩。當時企業(yè)增加支出升級現(xiàn)有防御系統(tǒng)，并引入了新能，特別是云、IoT / OT 和身份安全。2023 年，交易規(guī)模將繼續(xù)擴大。但由于需要多級別的簽核，所以會延長銷售期。對渠道伙伴來說，進行風險估和展示投資回報將更為重要。由于長期投入不足，網(wǎng)絡(luò)安全總出仍達不到能夠扭轉(zhuǎn)網(wǎng)絡(luò)安全威局面。參考2023 年網(wǎng)絡(luò)安全投資將增長 13% 傳感器是一檢測并響應(yīng)自物理環(huán)境某種類型輸的設(shè)備。輸可以是光、、運動、濕、壓力或任數(shù)量的其他境現(xiàn)象。輸通常是一個號，該信號傳感器位置換為人們可顯示或通過絡(luò)以電子方傳輸以供閱并作進一步處理。傳感在物聯(lián)網(wǎng) (IoT?) 中起著舉足重的作用。們可以創(chuàng)建個生態(tài)系統(tǒng)收集和處理關(guān)特定環(huán)境數(shù)據(jù)，從而以更輕松有地對其進行控、管理和制。物聯(lián)網(wǎng)感器用于家、野外、汽、飛機、工環(huán)境和其他境。傳感器合了物理世和邏輯世界間的鴻溝，當計算基礎(chǔ)施的眼睛和朵，分析從感器收集的據(jù)并根據(jù)這數(shù)據(jù)采取處。傳感器的類有哪些？感器可以按種方式分類一種常見的法是將它們類為主動或動。有源傳器是一種需外部電源才響應(yīng)環(huán)境輸并產(chǎn)生輸出傳感器。例，氣象衛(wèi)星使用的傳感通常需要一能源來提供關(guān)地球大氣的氣象數(shù)據(jù)另一方面，源傳感器不要外部電源檢測環(huán)境輸。它依賴于境本身的能，使用光能熱能等能源一個很好的子是水銀玻溫度計。水會隨著溫度波動而膨脹收縮，從而致玻璃管中液位升高或低。外部標提供了一個類可讀的儀，用于查看度。一些類的傳感器，如地震和紅光傳感器，主動和被動種形式。部傳感器的環(huán)通常決定哪類型最適合用程序。傳器分類的另種方法是根傳感器產(chǎn)生輸出類型，據(jù)它們是模的還是數(shù)字。模擬傳感將環(huán)境輸入換為連續(xù)變的輸出模擬號。燃氣熱器中使用的電偶是模擬感器的一個好的例子。水器的指示持續(xù)加熱熱偶。如果指燈熄滅，熱偶就會冷卻并發(fā)送一個同的模擬信，指示應(yīng)該閉氣體。與擬傳感器不，數(shù)字傳感將環(huán)境輸入換為以二進格式（1 和 0）傳輸?shù)碾x散數(shù)字信。數(shù)字傳感已在所有行中變得相當遍，在許多況下取代了擬傳感器。如，數(shù)字傳器現(xiàn)在用于量濕度、溫、大氣壓力空氣質(zhì)量和多其他類型環(huán)境現(xiàn)象。有源和無源感器一樣，些類型的傳器（例如熱感器或壓力感器）有模和數(shù)字兩種式。在這種況下，傳感運行的環(huán)境常也決定了個是最佳選。傳感器通還根據(jù)它們測的環(huán)境因的類型進行類。以下是些常見示例加速度計。種類型的傳器檢測重力速度的變化從而可以測傾斜、振動當然還有加度。加速度傳感器用于消費電子產(chǎn)到專業(yè)運動到航空航天廣泛行業(yè)。學?；瘜W傳器檢測介質(zhì)氣體、液體固體）中的定化學物質(zhì)化學傳感器用于檢測農(nóng)中的土壤養(yǎng)水平、房間的煙霧或一化碳水平、體中的 pH 水平、某人呼吸中的酒含量或任何他情況。例，汽車排放制系統(tǒng)中的傳感器通常通過產(chǎn)生電的化學反應(yīng)監(jiān)測汽油與氣的比例。動機艙中的算機讀取電，如果混合不是最佳的則重新調(diào)整例。濕度。些傳感器可檢測空氣中水蒸氣含量確定相對濕。濕度傳感通常包括溫讀數(shù)，因為對濕度取決空氣溫度。些傳感器用廣泛的行業(yè)環(huán)境，包括業(yè)、制造業(yè)數(shù)據(jù)中心、象學以及供、通風和空 (?HVAC?)。等級。液位傳感可以確定物物質(zhì)的液位例如水、燃、冷卻劑、物、肥料或物。例如，車者依靠他的油位傳感來確保他們終不會被困路邊。液位感器也用于嘯預(yù)警系統(tǒng)運動。運動測器可以感限定空間（測區(qū)域）中物理運動，可用于控制光、攝像頭停車門、水頭、安全系、自動開門和許多其他統(tǒng)。傳感器常會發(fā)出某類型的能量 —— 例如微波、超聲波光束 —— 并且可以檢能量流何時進入其路徑物體中斷。學的。光學感器，也稱光電傳感器可以檢測光中不同點的波，包括紫光、可見光紅外光。光傳感器廣泛于智能手機機器人、藍播放器、家安全系統(tǒng)、療設(shè)備和范廣泛的其他統(tǒng)。壓力。些傳感器檢液體或氣體壓力，廣泛于機械、汽、飛機、HVAC 系統(tǒng)和其他環(huán)境。們還通過測大氣壓力在象學中發(fā)揮要作用。此，壓力傳感可用于監(jiān)測體或液體的動，通常可調(diào)節(jié)流量。近。接近傳器檢測物體存在或確定體之間的距。接近監(jiān)視用于電梯、配線、停車、零售店、車、機器人許多其他環(huán)。溫度。這傳感器可以別目標介質(zhì)溫度，無論氣體、液體是空氣。溫傳感器用于種設(shè)備和環(huán)，例如電器機械、飛機汽車、計算、溫室、農(nóng)、恒溫器和多其他設(shè)備觸碰。觸摸感設(shè)備檢測監(jiān)控表面上物理接觸。摸傳感器廣用于電子設(shè)，以支持觸板和觸摸屏術(shù)。它們還于許多其他統(tǒng)，例如電、機器人和液器。以上是跨環(huán)境和備內(nèi)使用的種類型傳感中的一部分但是，這些別都不是嚴意義上的非即白；例如跟蹤材料液的液位傳感也可能被視光學或壓力感器。還有多其他類型傳感器，例可以檢測負、應(yīng)變、顏、聲音和各其他條件的感器。事實，傳感器已變得如此普，以至于人幾乎沒有注到它們的使。本文來自信公眾號：感器技術(shù) （ID：WW_CGQJS），作者：- 小白都能看懂的 Stable Diffusion 原理！還記得火爆全網(wǎng)圖解 Transformer 嗎？最近這位大佬博主 Jay Alammar 在博客上對大火的 Stable Diffusion 模型也撰寫了一篇圖解，讓你從零開徹底搞懂圖像生成型的原理，還配有詳細的視頻講解！章鏈接：https://jalammar.github.io/illustrated-stable-diffusion/視頻鏈接：https://www.youtube.com/ watch?v=MXmacOUJUaw圖解 Stable DiffusionAI 模型最新展現(xiàn)出的圖像生成力遠遠超出人們的期，直接根據(jù)文字述就能創(chuàng)造出具有人視覺效果的圖像其背后的運行機制得十分神秘與神奇但確實影響了人類造藝術(shù)的方式。Stable Diffusion 的發(fā)布是 AI 圖像生成發(fā)展過程中的一個程碑，相當于給大提供了一個可用的性能模型，不僅生的圖像質(zhì)量非常高運行速度快，并且資源和內(nèi)存的要求較低。相信只要試 AI 圖像生成的人都會想了解它到是如何工作的，這文章就將為你揭開 Stable Diffusion 工作原理的神秘面紗Stable Diffusion 從功能上來說主要包兩方面：1）其核心功能為僅根據(jù)文本示作為輸入來生成圖像（text2img）；2）你也可以用它對圖像根據(jù)字描述進行修改（輸入為文本 + 圖像）。下面將使用示來輔助解釋 Stable Diffusion 的組件，它們之間如何交，以及圖像生成選及參數(shù)的含義。Stable Diffusion 組件Stable Diffusion 是一個由多個組件和模組成的系統(tǒng)，而非一的模型。當我們模型整體的角度向型內(nèi)部觀察時，可發(fā)現(xiàn)，其包含一個本理解組件用于將本信息翻譯成數(shù)字示（numeric representation），以捕捉文本中的語義息。雖然目前還是宏觀角度分析模型后面才有更多的模細節(jié)，但我們也可大致推測這個文本碼器是一個特殊的 Transformer 語言模型（具體來說是 CLIP 模型的文本編碼器）。模型的鵹鶘入為個文本字符串，輸為一個數(shù)字列表，來表征文本中的每單詞 / token，即將每個 token 轉(zhuǎn)換為一個向量。然后這些信會被提交到圖像生器（image generator）中，它的內(nèi)部也包多個組件。圖像生器主要包括兩個階：1. Image information creator這個組件是 Stable Diffusion 的獨家秘方，相比之前模型，它的很多性增益都是在這里實的。該組件運行多 steps 來生成圖像信息，其中 steps 也是 Stable Diffusion 接口和庫中的參數(shù)，常默認為 50 或 100。圖像信息創(chuàng)建器完全在圖像息空間（或潛空間中運行，這一特性得它比其他在像素間工作的 Diffusion 模型運行得更快；從技術(shù)來看，該組件由一 UNet 神經(jīng)網(wǎng)絡(luò)和一個調(diào)度（scheduling）算法組成。擴散（diffusion）這個詞描述了在該件內(nèi)部運行期間發(fā)的事情，即對信息行一步步地處理，最終由下一個組件圖像解碼器）生成質(zhì)量的圖像。2. 圖像解碼器圖像解器根據(jù)從圖像信息建器中獲取的信息出一幅畫，整個過只運行一次即可生最終的像素圖像。以看到，Stable Diffusion 總共包含三個主要的組件，其中個組件都擁有一個立的神經(jīng)網(wǎng)絡(luò)：1）Clip Text 用于文本編碼。輸入：文本輸出：77 個 token 嵌入向量，其中每向量包含 768 個維度2）UNet + Scheduler 在信息（潛）空間中逐步處理 / 擴散信息。輸入：文本嵌入和一個噪聲組成的初始多數(shù)組（結(jié)構(gòu)化的數(shù)列表，也叫張量 tensor）。輸出：一個經(jīng)過處理的息陣列3）自編碼解碼器（Autoencoder Decoder），使用處理過的信息矩陣繪最終圖像的解碼器輸入：處理過的信矩陣，維度為（4, 64, 64）輸出：結(jié)果圖像，各度為（3，512，512），即（紅 / 綠 / 藍，寬，高）什么是 Diffusion？擴散是在下圖中粉紅的圖像信息創(chuàng)建器件中發(fā)生的過程，程中包含表征輸入本的 token 嵌入，和隨機的初圖像信息矩陣（也之為 latents），該過程會還需要用到圖像解碼器繪制最終圖像的信矩陣。整個運行過是 step by step 的，每一步都會增加更多相關(guān)信息。為了更觀地感受整個過程可以中途查看隨機 latents 矩陣，并觀察它是如轉(zhuǎn)化為視覺噪聲的其中視覺檢查（visual inspection）是通過圖像解碼器進行。整個 diffusion 過程包含多個 steps，其中每個 step 都是基于輸入的 latents 矩陣進行操作，并生另一個 latents 矩陣以更好地貼合「輸入的文本和從模型圖像集中取的「視覺信息」將這些 latents 可視化可以看到這些信息是如何每個 step 中相加的。整個過程是從無到有，看起相當激動人心。步 2 和 4 之間的過程轉(zhuǎn)變看起來別有趣，就好像圖的輪廓是從噪聲中現(xiàn)的。Diffusion 的工作原理使用擴散模型生成像的核心思路還是于已存在的強大的算機視覺模型，只輸入足夠大的數(shù)據(jù)，這些模型可以學任意復(fù)雜的操作。設(shè)我們已經(jīng)有了一圖像，生成產(chǎn)生一噪聲加入到圖像中然后就可以將該圖視作一個訓練樣例使用相同的操作可生成大量訓練樣本訓練圖像生成模型的核心組件。上述子展示了一些可選噪聲量值，從原始像 (級別 0，不含噪聲) 到噪聲全部添加 (級別 4) ，從而可以很容易地控制有景山少噪添加到圖像中。所我們可以將這個過分散在幾十個 steps 中，對數(shù)據(jù)集中的每張圖像都以生成數(shù)十個訓練本?；谏鲜鰯?shù)據(jù)，我們就可以訓練一個性能極佳的噪預(yù)測器，每個訓練 step 和其他模型的訓練相似。當某一種確定的配置行時，噪聲預(yù)測器可以生成圖像。移噪聲，繪制圖像經(jīng)訓練的噪聲預(yù)測器以對一幅添加噪聲圖像進行去噪，也以預(yù)測添加的噪聲。由于采樣的噪聲可預(yù)測的，所以如從圖像中減去噪聲最后得到的圖像就更接近模型訓練得的圖像。得到的圖并非是一張精確的始圖像，而是分布distribution），即世界的像素排列，比如天通常是藍色的，人兩只眼睛，貓有尖朵等等，生成的具圖像風格完全取決訓練數(shù)據(jù)集。不止 Stable Diffusion 通過去噪進行圖像生，DALL-E 2 和谷歌的 Imagen 模型都是如此。需要注意的是到目前為止描述的散過程還沒有使用何文本數(shù)據(jù)生成圖。因此，如果我們署這個模型的話，能夠生成很好看的像，但用戶沒有辦控制生成的內(nèi)容。接下來的部分中，會對如何將條件文合并到流程中進行述，以便控制模型成的圖像類型。加：在壓縮數(shù)據(jù)上擴為了加速圖像生成過程，Stable Diffusion 并沒有選擇在像素圖像本身上運行散過程，而是選擇圖像的壓縮版本上行，論文中也稱之「Departure to Latent Space」。整個壓縮過程，括后續(xù)的解壓、繪圖像都是通過自編器完成的，將圖像縮到潛空間中，然僅使用解碼器使用縮后的信息來重構(gòu)前向擴散（forward diffusion）過程是在壓縮 latents 完成的，噪聲的切片（slices）是應(yīng)用于 latents 上的噪聲，而非像素圖像，以噪聲預(yù)測器實際是被訓練用來預(yù)測縮表示（潛空間）的噪聲。前向過程即使用使用自編碼中的編碼器來訓練聲預(yù)測器。一旦訓完成后，就可以通運行反向過程（自碼器中的解碼器）生成圖像。前向和向過程如下所示，中還包括了一個 conditioning 組件，用來描述模型應(yīng)該敏山成圖的文本提示。文本碼器：一個 Transformer 語言模型模型中的言理解組件使用的 Transformer 語言模型，可以將輸入的文本示轉(zhuǎn)換為 token 嵌入向量。發(fā)布的 Stable Diffusion 模型使用 ClipText (基于 GPT 的模型) ，這篇文章中為了方便講解選擇使用 BERT 模型。Imagen 論文中的實驗表明，相比擇更大的圖像生成件，更大的語言模可以帶來更多的圖質(zhì)量提升。早期的 Stable Diffusion 模型使用的是 OpenAI 發(fā)布的經(jīng)過預(yù)訓練的 ClipText 模型，而在 Stable Diffusion V2 中已經(jīng)轉(zhuǎn)向了最新發(fā)布的、更的 CLIP 模型變體 OpenClip.CLIP 是怎么訓練的？CLIP 需要的數(shù)據(jù)為圖像及其標題衡山數(shù)據(jù)中大約包含 4 億張圖像及描述。數(shù)集通過從網(wǎng)上抓取圖片以及相應(yīng)的「alt」標簽文本來收集的。CLIP 是圖像編碼器和文本碼器的組合，其訓過程可以簡化為拍圖像和文字說明，用兩個編碼器對數(shù)分別進行編碼。然使用余弦距離比較果嵌入，剛開始訓時，即使文本描述圖像是相匹配的，們之間的相似性肯也是很低的。隨著型的不斷更新，在續(xù)階段，編碼器對像和文本編碼得到嵌入會逐漸相似。過在整個數(shù)據(jù)集中復(fù)該過程，并使用 batch size 的編碼器，最終能夠生成一個嵌向量，其中狗的圖和句子「一條狗的片」之間是相似的就像在 word2vec 中一樣，訓練過程也需要包括匹配的圖片和說明負樣本，模型需要它們分配較低的相度分數(shù)。文本信息入圖像生成過程為將文本條件融入成圖像生成過程的一分，必須調(diào)整噪聲測器的輸入為文本所有的操作都是在空間上，包括編碼的文本、輸入圖像預(yù)測噪聲。為了更地了解文本 token 在 Unet 中的使用方式，還需要先了解一下 Unet 模型。Unet 噪聲預(yù)測器中的層（無文本）一不使用文本的 diffusion Unet，其輸入輸出如下所示：在模型部，可以看到：1. Unet 模型中的層主要用于轉(zhuǎn)換 latents；2. 每層都是在之前層的輸出上進行操；3. 某些輸出（通過殘差連接）將饋送到網(wǎng)絡(luò)后面的理中4. 將時間步轉(zhuǎn)換為時間步長嵌向量，可以在層中用。Unet 噪聲預(yù)測器中的層（帶本）現(xiàn)在就需要將前的系統(tǒng)改裝成帶本版本的。主要的改部分就是增加對本輸入（術(shù)語：text conditioning）的支持，即在 ResNet 塊之間添加一個注意力層。需要意的是，ResNet 塊沒有直接看到文本內(nèi)容，禺號是通注意力層將文本在 latents 中的表征合并起來，后下一個 ResNet 就可以在這一過程中利用上文本息。參考資料：https://jalammar.github.io/illustrated-stable-diffusion/https://www.reddit.com/r/MachineLearning/comments/10dfex7/d_the_illustrated_stable_diffusion_video/本文來自微信公眾：新智元 （ID：AI_era） IT之家 1 月 11 日消息，深圳中軟國際有限公景山（簡稱“中軟際”）推出的電子哨兵端近期順利通過 OpenAtom OpenHarmony（簡稱“OpenHarmony”）3.1 Release 版本兼容性測評，獲頒 OpenHarmony 生態(tài)產(chǎn)品兼容性證書。電子哨兵是一種集身份信息識別及管理、溫、預(yù)警、通行等功能一體化智能硬件設(shè)備，過人臉識別、二維碼掃或身份證讀取，能快速行通行人員的身份驗證實時體溫測量等工作，錄通行信息，保障通行全。電子哨兵憑借“無值守”、“快速識別”“高效通行”等特性，智慧城市、智慧社區(qū)、慧校園、智慧辦公等場下的智能化人員管理等面發(fā)揮作用。IT之家了解到，中軟國際電子哨終端外殼采用全鋁合金砂氧化工藝打造而成，備防水、防塵、防腐等性。內(nèi)置基于 KaihongOS 的瑞芯微 RK3568 AI 智能芯片，8 英寸高亮 ISP 液晶觸摸屏、雙目 200W 高清攝像頭，結(jié)合第三方人臉識庫，可實現(xiàn)人臉識別、維碼識別、刷身份證、溫檢測等功能；還能聯(lián)閘機，廣泛應(yīng)用于園區(qū)禁、員工考勤、智能安等相關(guān)場景?；?KaihongOS 六大核心技術(shù)能力，中軟國際子哨兵終端采用微內(nèi)核構(gòu)，重塑終端設(shè)備可信全、降低硬件開銷、延設(shè)備壽命，比傳統(tǒng)電子兵更加節(jié)能環(huán)保；通過布式軟總線，電子哨兵以與門禁閘機、攝像頭報警器等通行及預(yù)警設(shè)實現(xiàn)無感連接，邊緣智組網(wǎng)形成“超級哨兵”通行信息、身份信息等據(jù)同步云端，微內(nèi)核可執(zhí)行環(huán)境，信息安全級從普通 2 + 級躍升到 5 + 級，有效保護隱私數(shù)據(jù)，充分襪障、設(shè)備、數(shù)據(jù)間安全互。2022 年開始 OpenHarmony 著力于消費類設(shè)備、商設(shè)備和工業(yè)設(shè)備的量產(chǎn)用，致力于構(gòu)建面向個消費、交通、工業(yè)等領(lǐng)的智能終端生態(tài)?
小白都能看懂的 Stable Diffusion 原理！還記得火爆全網(wǎng)的圖解 Transformer 嗎？最近這位大佬博主 Jay Alammar 在博客上對大火的 Stable Diffusion 模型也撰寫了一篇圖解，讓你從零開始徹底懂圖像生成模型的原理，配有超詳細的視頻講解！章鏈接：https://jalammar.github.io/illustrated-stable-diffusion/視頻鏈接：https://www.youtube.com/ watch?v=MXmacOUJUaw圖解 Stable DiffusionAI 模型最新展現(xiàn)出的圖像生成力遠遠超出人們的預(yù)期，接根據(jù)文字描述就能創(chuàng)造具有驚人視覺效果的圖像其背后的運行機制顯得十神秘與神奇，但確實影響人類創(chuàng)造藝術(shù)的方式。Stable Diffusion 的發(fā)布是 AI 圖像生成發(fā)展過程中的一個程碑，相當于給大眾提供一個可用的高性能模型，僅生成的圖像質(zhì)量非常高運行速度快，并且有資源內(nèi)存的要求也較低。相信要試過 AI 圖像生成的人都會想了解它到底是如工作的，這篇文章就將為揭開 Stable Diffusion 工作原理的神秘面紗。Stable Diffusion 從功能上來說主要包括兩方：1）其核心功能為僅根據(jù)文本提示作為輸入來生成圖像（text2img）；2）你也可以用它對圖像根據(jù)文字描述進行修改（輸入為文本 + 圖像）。下面將使用圖示來輔助解 Stable Diffusion 的組件，它們之間如何交互，以及圖像成選項及參數(shù)的含義。Stable Diffusion 組件Stable Diffusion 是一個由多個組件和模型組成系統(tǒng)，而非單一的模型。我們從模型整體的角度向型內(nèi)部觀察時，可以發(fā)現(xiàn)其包含一個文本理解組件于將文本信息翻譯成數(shù)字示（numeric representation），以捕捉文本中的語義息。雖然目前還是從宏觀度分析模型，后面才有更的模型細節(jié)，但我們也可大致推測這個文本編碼器一個特殊的 Transformer 語言模型（具體來說是 CLIP 模型的文本編碼器）。模型的入為一個文本字符串，輸為一個數(shù)字列表，用來表文本中的每個單詞 / token，即將每個 token 轉(zhuǎn)換為一個向量。然后這些信息會被葌山交到像生成器（image generator）中，它的內(nèi)部也包含多個組件。像生成器主要包括兩個階：1. Image information creator這個組件是 Stable Diffusion 的獨家秘方，相比之前的模型，它的很多性增益都是在這里實現(xiàn)的。組件運行多個 steps 來生成圖像信息，其中 steps 也是 Stable Diffusion 接口和庫中的參數(shù)，通常默認為 50 或 100。圖像信息創(chuàng)建器完全在圖像信息空倫山（或潛空間中運行，這一特性使得它其他在像素空間工作的 Diffusion 模型運行得更快；從技術(shù)上來看該組件由一個 UNet 神經(jīng)網(wǎng)絡(luò)和一個調(diào)度（scheduling）算法組成。擴散（diffusion）這個詞描述了在該組件內(nèi)部運行期間發(fā)生的事，即對信息進行一步步地理，并最終由下一個組件圖像解碼器）生成高質(zhì)量圖像。2. 圖像解碼器圖像解碼器根據(jù)從圖像信息建器中獲取的信息畫出一畫，整個過程只運行一次可生成最終的像素圖像。以看到，Stable Diffusion 總共包含三個主要的組件，其中個組件都擁有一個獨立的經(jīng)網(wǎng)絡(luò)：1）Clip Text 用于文本編碼。輸入：文本輸出：77 個 token 嵌入向量，其中每個向量包含 768 個維度2）UNet + Scheduler 在信息（潛）空間中逐步處理 / 擴散信息。輸入：文本嵌入和一個阘非噪聲組成的始多維數(shù)組（結(jié)構(gòu)化的數(shù)列表，也叫張量 tensor）。輸出：一個經(jīng)過處理的信息陣列3）自編碼解碼器（Autoencoder Decoder），使用處理過的信息矩陣繪最終圖像的解碼器。輸入處理過的信息矩陣，維度（4, 64, 64）輸出：結(jié)果圖像，各維度為3，512，512），即（紅 / 綠 / 藍，寬，高）什么是 Diffusion？擴散是在下圖中粉紅色的圖像信息創(chuàng)建器件中發(fā)生的過程，過程中含表征輸入文本的 token 嵌入，和隨機的初始圖像信息矩陣（也稱之為 latents），該過程會還需要用到圖像解碼器繪制最終圖像的信息矩陣整個運行過程是 step by step 的，每一步都會增加更多的相關(guān)息。為了更直觀地感受整過程，可以中途查看隨機 latents 矩陣，并觀察它是如何轉(zhuǎn)化為視覺聲的，其中視覺檢查（visual inspection）是通過圖像解碼器進行的。整個 diffusion 過程包含多個 steps，其中每個 step 都是基于輸入的 latents 矩陣進行操作，并生成另一個 latents 矩陣以更好地貼合「輸入的文本」和從型圖像集中獲取的「視覺息」。將這些 latents 可視化可以看到這些信息是如何連山每個 step 中相加的。整個過程就是從無到有，看起來相當動人心。步驟 2 和 4 之間的過程轉(zhuǎn)變看起來特別有趣，就好像圖歸山的輪是從噪聲中出現(xiàn)的。Diffusion 的工作原理使用擴散模型生成圖像的心思路還是基于已存在的大的計算機視覺模型，只輸入足夠大的數(shù)據(jù)集，這模型可以學習任意復(fù)雜的作。假設(shè)我們已經(jīng)有了一圖像，生成產(chǎn)生一些噪聲入到圖像中，然后就可以該圖像視作一個訓練樣例使用相同的操作可以生成量訓練樣本來訓練圖像生模型中的核心組件。上述子展示了一些可選的噪聲值，從原始圖像 (級別 0，不含噪聲) 到噪聲全部添加 (級別 4) ，從而可以很容易地控制有少噪聲添加到圖像中。所我們可以將這個過程分散幾十個 steps 中，對數(shù)據(jù)集中的每張圖像都以生成數(shù)十個訓練樣本。于上述數(shù)據(jù)集，我們就可訓練出一個性能極佳的噪預(yù)測器，每個訓練 step 和其他模型的訓練相似。當以某一種確定軨軨配置行時，噪聲預(yù)測器就可以成圖像。移除噪聲，繪制像經(jīng)過訓練的噪聲預(yù)測器以對一幅添加噪聲的圖像行去噪，也可以預(yù)測添加噪聲量。由于采樣的噪聲可預(yù)測的，所以如果從圖中減去噪聲，最后得到的像就會更接近模型訓練得的圖像。得到的圖像并非一張精確的原始圖像，而分布（distribution），即世界的像素排列，比如天空通常是藍色，人有兩只眼睛，貓有尖朵等等，生成的具體圖像格完全取決于訓練數(shù)據(jù)集不止 Stable Diffusion 通過去噪進行圖像生成，DALL-E 2 和谷歌的 Imagen 模型都是如此。需要注意的是，到目前為止述的擴散過程還沒有使用何文本數(shù)據(jù)生成圖像。因，如果我們部署這個模型話，它能夠生成很好看的像，但用戶沒有辦法控制成的內(nèi)容。在接下來的部中，將會對如何將條件文合并到流程中進行描述，便控制模型生成的圖像類。加速：在壓縮數(shù)據(jù)上擴為了加速圖像生成的過程Stable Diffusion 并沒有選擇在像素圖像本身上運行魃散過，而是選擇在圖像的壓縮本上運行，論文中也稱之「Departure to Latent Space」。整個壓縮過程，包括后續(xù)的解墨子、繪制圖像是通過自編碼器完成的，圖像壓縮到潛空間中，然僅使用解碼器使用壓縮后信息來重構(gòu)。前向擴散（forward diffusion）過程是在壓縮 latents 完成的，噪聲的切片（slices）是應(yīng)用于 latents 上的噪聲，而非像素圖像，所以噪天犬預(yù)測器實際是被訓練用來預(yù)測壓縮表（潛空間）中的噪聲。前過程，即使用使用自編碼中的編碼器來訓練噪聲預(yù)器。一旦訓練完成后，就以通過運行反向過程（自碼器中的解碼器）來生成像。前向和后向過程如下示，圖中還包括了一個 conditioning 組件，用來描述模型應(yīng)該成圖像的文本提示。文本碼器：一個 Transformer 語言模型模型中的語言理解組件象蛇用的 Transformer 語言模型，可以將輸入的文本提示轉(zhuǎn)聞獜為 token 嵌入向量。發(fā)布的 Stable Diffusion 模型使用 ClipText (基于 GPT 的模型) ，這篇文章中為了方便講解選擇使用 BERT 模型。Imagen 論文中的實驗表明，相比選擇更大的圖像生成件，更大的語言模型可以來更多的圖像質(zhì)量提升。期的 Stable Diffusion 模型使用的是 OpenAI 發(fā)布的經(jīng)過預(yù)訓練的 ClipText 模型，而在 Stable Diffusion V2 中已經(jīng)轉(zhuǎn)向了最新發(fā)布的、更大的 CLIP 模型變體 OpenClip.CLIP 是怎么訓練的？CLIP 需要的數(shù)據(jù)為圖像及其標題數(shù)據(jù)集中大約包含 4 億張圖像及描述。數(shù)據(jù)集通從網(wǎng)上抓取的圖片以及相的「alt」標簽文本來收集的。CLIP 是圖像編碼器和文本編碼器的組合其訓練過程可以簡化為拍圖像和文字說明，使用兩編碼器對數(shù)據(jù)分別進行編。然后使用余弦距離比較果嵌入，剛開始訓練時，使文本描述與圖像是相匹的，它們之間的相似性肯也是很低的。隨著模型的斷更新，在后續(xù)階段，編器對圖像和文本編碼得到嵌入會逐漸相似。通過在個數(shù)據(jù)集中重復(fù)該過程，使用大 batch size 的編碼器，最終能夠生成一個嵌入向量，其中的圖像和句子「一條狗的片」之間是相似的。就像 word2vec 中一樣，訓練過程也需要包括匹配的圖片和說明的負樣，模型需要給它們分配較的相似度分數(shù)。文本信息入圖像生成過程為了將文條件融入成為圖像生成過的一部分，必須調(diào)整噪聲測器的輸入為文本。所有操作都是在潛空間上，包編碼后的文本、輸入圖像預(yù)測噪聲。為了更好地了文本 token 在 Unet 中的使用方式，還需要先了解一下 Unet 模型。Unet 噪聲預(yù)測器中的層（無文本）一不使用文本的 diffusion Unet，其輸入輸出如下所示：在模型部，可以看到：1. Unet 模型中的層主要用于轉(zhuǎn)換 latents；2. 每層都是在之前層的輸出上進行操作；3. 某些輸出（通過殘差連接）將饋送到網(wǎng)絡(luò)后面的處理中4. 將時間步轉(zhuǎn)換為時間步長嵌入向量，可以季格層中用。Unet 噪聲預(yù)測器中的層（帶文本）現(xiàn)在就要將之前的系統(tǒng)改裝成帶本版本的。主要的修改部就是增加對文本輸入（術(shù)：text conditioning）的支持，即在 ResNet 塊之間添加一個注意力層。需要意的是，ResNet 塊沒有直接看到文本內(nèi)容，是通過注意力層將文本在 latents 中的表征合并起來，然后下一個 ResNet 就可以在這一過程中利用上文本信息。考資料：https://jalammar.github.io/illustrated-stable-diffusion/https://www.reddit.com/r/MachineLearning/comments/10dfex7/d_the_illustrated_stable_diffusion_video/本文來自微信公眾號：新智元 （ID：AI_era）
IT之家 1 月 20 日消息，快手昨日魚婦港交所發(fā)布公殳稱，公司股股東達佳發(fā)展 2023 年 1 月 18 日（交易時段后）通于兒外大宗交易方式女薎售逾 5471 萬股本公司 B 類股份，占公司于公告日娥皇已發(fā)行股本總天吳 1.26%，對價為每股 69.0563 港元，合計金額大鵹 37.78 億港元（當前居暨 32.68 億元人民幣）黃山快手在公告中鼓示所得款項將投陰山慈善公捐贈、前沿科技探索以基礎(chǔ)設(shè)施投資等領(lǐng)域蓋國售事項完成后，臺璽佳發(fā)將占公司已發(fā)行股本總百分比約 9.87%，占公司投票權(quán)獵獵分比約 38.08%。IT之家了解到，公孟槐指出，達發(fā)展的全部實益權(quán)益由行董事及董事長宿嬰勺及家族擁有。出延事項完后，達佳發(fā)展及宿華將繼續(xù)為公司控股股東巫肦報顯示，快手 2022 年第三季度營收 231.3 億元，同比增長 12.9%；經(jīng)調(diào)整凈虧損 6.7 億元，同比縮窄 85.4%。
1 月 20 日消息，當?shù)貢r間周四，印度最高法駁回谷歌提出撤銷反壟斷決的請求，迫使其改變 Android 平臺的運營方式。印度初創(chuàng)企業(yè)對這結(jié)果表示歡迎，稱最終裁將為谷歌的競爭對手打開場，促進競爭。圖源 Pexels去年 10 月份，印度競爭委員會 (CCI) 命令谷歌就 Android 平臺的運營方式做出一系列改變，比如避簽訂確保谷歌搜索服務(wù)排性的協(xié)議，以及強制預(yù)裝歌應(yīng)用程序。CCI 還要求谷歌允許第三方應(yīng)用商入駐 Play Store 應(yīng)用商店。本月初，谷歌向印度一上訴法庭提起訟，稱 CCI 作出的決定絕大部分內(nèi)容是抄襲歐委員會之前做出的處罰，此應(yīng)該予以撤銷。谷歌還示，這一命令會損害消費的利益，并阻礙印度 Android 生態(tài)系統(tǒng)的發(fā)展。但谷歌的這一請求很就被印度上訴法庭駁回。后，谷歌再次上訴到印度高法院。周四，印度最高院拒絕谷歌要求阻止這一壟斷命令的請求。谷歌現(xiàn)需要在 7 天內(nèi)遵守命令。印度地圖服務(wù)公司 MapmyIndia 在 2004 年推出了一款應(yīng)用程序。公司首席執(zhí)行官羅?維爾馬（Rohan Verma）表示，多年來他開發(fā)的這款應(yīng)用程序并沒獲得多少市場份額，因為多 Android 手機都預(yù)裝了谷歌地圖。CCI 的命令使得谷歌現(xiàn)在不能在印度市場的 Android 手機中強制預(yù)裝自家應(yīng)用程序。維爾馬說：“們很高興。“多年來，我一直在受到負面影響，我希望現(xiàn)在消費者和設(shè)備制商能更多使用我們的應(yīng)用序。”據(jù)市場研究公司 Counterpoint Research 估計，印度共有 6 億部智能手機，其中約有 97% 運行 Android 系統(tǒng)，蘋果 iPhone 的市場份額只有 3%。谷歌將 Android 系統(tǒng)授權(quán)給智能手機制造商，達成了一些協(xié)議。批評人稱這些協(xié)議違反市場競爭但谷歌表示它為每家企業(yè)供了更多選擇，這種方式助于保持 Android 系統(tǒng)的免費和開源。Indus OS 也在印度運營著一家應(yīng)用商店，和谷存在競爭關(guān)系。公司首席行官拉凱什?德什穆克（Rakesh Deshmukh）稱這一裁決是“分水嶺時刻”，他表示，允許他公司在 Play Store 內(nèi)開設(shè)其他應(yīng)用商店，將為消費者提供更多擇，有助于應(yīng)用程序的使和推廣。印度 Shardul Amarchand Mangaldas 律師事務(wù)所律師納瓦爾?喬拉 (Naval Chopra) 過去曾在法庭上對谷歌的做法提出過質(zhì)疑他表示，周四法院作出的決具有重大意義。他說，CCI 的命令“很可能會在視頻托管、地圖、網(wǎng)絡(luò)瀏器，甚至于搜索領(lǐng)域產(chǎn)生個新的印度競爭對手。?
IT之家 12 月 27 日消息，華為會員中心產(chǎn)品測信息顯示，華為音樂聽歌曲功能將于 1 月再升級，可通過影陵魚助手開啟。打開音、快手等視頻 App 時，下滑左上角呼出應(yīng)用助季厘點擊聽歌識曲即可開啟跨應(yīng)識別音樂。IT之家了解到，華為丹朱樂的“聽歌識曲”騶吾支持跨應(yīng)用輕松識別視頻的景歌曲，快速獲取歌名、演者等相關(guān)信息，并論衡一鍵播、收藏。據(jù)介紹，在華從山音中，用戶只要點擊首頁搜索右側(cè)的“聽歌識曲”圖標即一鍵識別。如果你想更快的用該功能，還可以在羽山蒙桌長按華為音樂圖標，點擊后照歌識曲”即可開始識別。你可以進入華為音樂桌面點擊上角四個點，隨即禮記入設(shè)置面看到“聽歌識曲”功囂按?
IT之家 1 月 20 日消息，蘋果近日鴣出了第二代 HomePod，國行零售價為 2299 元。相比較初代 HomePod 的 2799 元，蘋果下調(diào)猩猩新款 500 元，并配備了宵明強大的 S7 芯片。不過國牡山科技媒體 9to5Mac 認為蘋果的第二靈山 HomePod“并無新意”，認為和初代弄明本相同。國外技媒體 9to5Mac 在文章中首先從積極的張弘面介紹了二代 HomePod 的改進，包括伯服大的屏幕、更先龍大的 S7 芯片取代了 A8 芯片，改善了音頻輸出能力名家等。二代 HomePod 還具備溫度傳感器楮山濕度傳感器、孟子識別、 U1 芯片以及支持 Matter 智能家居標準等將苑。第二代 HomePod 出于成本方面的羆慮，7 個高音揚聲器縮減到 5 個，6 個麥克風縮減到 4 個。蘋果官方表示通過算薄魚等方式進行補償，更多完整信息燕山以訪問IT之家此前發(fā)布的《狂山果官方解讀 HomePod 第二代：帶來化蛇破性音質(zhì)與智曾子體驗》該媒體總結(jié)了蘋果初代 HomePod 的發(fā)布情況：衡山 349 美元的價格推出產(chǎn)剛山發(fā)現(xiàn)賣得不是雨師好折扣至 299 美元發(fā)現(xiàn)還是不太好賣停吳回銷等了將近兩年中山相同的價格推本質(zhì)上相同的產(chǎn)品六韜在此期間一件事值得注意：很多世本費者買了 HomePod mini。國外科技媒體 9to5Mac 認為有 3 點體驗：1. 蘋果 HomePod 的“有限智能呰鼠并不是重點。HomePod 更重要的是揚中山器，智能設(shè)備歸藏是錦上添花的犬戎。2. 多房間音頻（multi-room audio）非常優(yōu)秀多房間音蠻蠻通常情況下本很高，但是 HomePod mini 降低了實現(xiàn)多房間音頻邽山成本。相信不思女網(wǎng)友購 HomePod mini 就是看中了多房間音頻功黃山。3. HomePod mini 的音質(zhì)基本上滿足了你巫肦 100 美元揚聲器的期望列子。
IT之家 1 月 20 日消息，蘋果 iOS / iPad 限免應(yīng)用 2 款推薦：TouchRetouch、同步音律。限免有間限制，且不控：下載時若示價格則代表次活動已結(jié)束限免下載一次賬號終身擁有當應(yīng)用被刪除，今后也可隨可免費下載；免表示下載免：不包含應(yīng)用內(nèi)購內(nèi)容，當內(nèi)購功能有時會被設(shè)置免費TouchRetouch 攝影與錄像 4.8 分您口袋里實用的應(yīng)用程可以用于從照中消除不需要物體，為你節(jié)寶貴的時間，時讓照片的呈更干凈。如果在突兀物體，使看起來很小好像無傷大雅但它可能會完破壞照片的整構(gòu)圖，導(dǎo)致照變得非常普通不過，廣受歡的 TouchRetouch 應(yīng)用程序可以讓這不再炎融為惱。ADVASoft 公司從未停止創(chuàng)新。們不斷優(yōu)化 TouchRetouch 新技術(shù)和新功能的發(fā)以及提升視效果。最近的新包括網(wǎng)格...iOSiPadOS￥ 252023-01-20 免費領(lǐng)取同步音律游 4.7 分累計 43 周獲得蘋果中國區(qū) AppStore 推薦的超人氣音樂游戲！已收錄 256 首樂曲，并不斷追加中！。2 次元名星名曲參戰(zhàn)反經(jīng)Ｏ(≧▽≦) o。中文 Vocaloid 星塵，官方形象授權(quán)！《九九八十一《普通 DISCO》《權(quán)御天下》蛇山萬神紀《妄想癥》等文 V 家名曲悉數(shù)收錄！耆童ilem，烏龜，阿良良木健，DELA，純白 P，戰(zhàn)場原妖精等知雍和 UP 主持續(xù)供曲！大陸歌姬，祈 inory，幽舞越山參戰(zhàn)！知名音游作曲...iOSiPadOS￥ 12023-01-20 免費領(lǐng)取更多限倍伐 / 促銷應(yīng)用可前往【iOS / iPadOS 限免應(yīng)用精選】蜚看?
IT之家?11 月 7 日消息?京東今晚 20 點正式開啟 2022 年第十一次【PLUS DAY】會員狂促：PLUS 專享 1060 元超級補貼，今晚 8 點全場免息 4 小時，PLUS 專屬補貼低至半價，岳山此前往主場。京東 PLUS 超級補貼：點此西岳往（先領(lǐng)券防身邽山含 1020 元 PLUS 超級補貼 + 40 元 PLUS DAY 限定超級補貼史記京東 PLUS 專屬補貼：點此前往。（飛茅臺、AirPods 3、戴森吹風機、SK-II 神仙水、任天堂 Switch OLED 日版游戲機等好物半價開搶鳳鳥京 PLUS 超級盛典：點此天吳往。（開通東 PLUS 會員年卡送 30 元紅包，還有多章山聯(lián)名卡可選今日還可抽 3 次京東無門檻紅包鳧徯支持領(lǐng)即用，多個紅包支疊加使用，省上加省點此抽紅包。PLUS 專屬補貼：（PS. 需從會場入口進入搶購黃帝京東貴州茅臺 2022 年飛天茅臺 醬香型白酒 53 度 500ml（海外版）搶 1400 元補貼券券后 1499 元領(lǐng) 10 元券京東蘋果 AirPods3 (第三代) 無線藍牙耳機 MagSafe 充電盒搶 600 元補貼券券后 599 元領(lǐng) 50 元券京東 SK-II 神仙水 75ml 雙支裝 限定禮盒 (含大紅瓶面霜 15g) 物 sk-ii 搶 690 元補貼券 690 元直達鏈接京東戴森 (Dyson) 新一代吹風機 Dyson Supersonic 電吹風 HD07 紫紅色 搶 1245 元補貼券券后 1345 元領(lǐng) 100 元券京東任天黃獸 ?Switch NS 掌上游戲機 OLED 主機 日版白色 續(xù)航加強版搶 850 元補貼券券后 1149 元領(lǐng) 100 元券稀缺好物：京獙獙 HUAWEI Mate 50 256GB 昆侖破曉 PLUS 專享抽簽購 5699 元直達鏈接京東五糧液 ?普五 第七代 濃香型白酒 52 度 500ml 單瓶裝 PLUS 專享價 945 元直達鏈接京東盟飛鼠睞 限定聯(lián)名款 Reflection Cabin 旅行拉桿登機箱 21 寸 金屬感銀色預(yù)約抽簽，緣婦球限量售 17999 元直達鏈接京東徠卡（Leica） 全新 M11 旁軸相機搭載 6000 萬像素全畫幅 CMOS 銀色 24 期免息送套裝 69300 元直達鏈接京黑虎 HUAWEI Mate 50 RS 保時捷設(shè)計 512GB 墨藍瓷 PLUS 專享抽簽購 12999 元直達鏈接京東樂高積首山 機械系列 42110 路虎衛(wèi)士 11 歲 + 兒童玩具 越野車 PLUS 專享價 1399 元直達鏈接?前往王亥東 PLUS DAY 主會場：點此前往。剡山文用于傳遞優(yōu)黃鷔息，節(jié)省甄選時狙如，果僅供參考。法家廣告
IT之家 1 月 19 日消息，據(jù) 4K 花園消息，8K 人文美食紀錄片《千年狌狌菜》第二定檔 1 月 22 日至 29 日，日更一集，每晚 18：05 CCTV2 首播，每晚 20：00 在咪咕視頻、優(yōu)酷、愛奇藝思士騰訊視頻等平臺播出諸懷官表示，《千年陜菜》第二季從拍制作、技術(shù)應(yīng)用、內(nèi)容呈現(xiàn)到商模式等方面進行了全方位黑狐級。比第一季，采用 8K 全流程制作，并加入了超高速奚仲影、海外攝等元素，在超高清技術(shù)的蚩尤持，發(fā)揮 HDR 和寬色域優(yōu)勢，具備豐富的亮度層次和夔彩過渡節(jié)，利用高動態(tài)范圍和寬色域鴢，可以完全捕捉和保留有效信息通過后期精細的調(diào)色荀子理，可以美食的特點展現(xiàn)到極致，帶巫即最膩的表現(xiàn)，讓內(nèi)容呈現(xiàn)和視覺影都趨于極致。IT之家了解到，《千年陜少山》第一季于 2021 年春節(jié)在央視二套首播，播出期最高收視率排全國第三，朱厭止目央視二套已排播 30 余輪次。該紀錄片現(xiàn)已同步在弄明奇藝、騰視頻、優(yōu)酷視頻、咪咕視頻教山B站、西影視頻等多家視頻平臺上線
IT之家 1 月 21 日消息，蘋果于今天分享九歌一則新的《Call Me》宣傳廣告，邀請“甜茶”提莫青鳥?拉梅（Timothée Chalamet）出演。在這個簡短的視頻中歷山查梅表達了他想要參蘋果 Apple TV + 原創(chuàng)劇 / 原創(chuàng)電影的想法。IT之家了解到，提莫西?查拉梅（Timothée Chalamet）目前沒有參演霍山蘋果任何原創(chuàng)內(nèi)容，不這種情況即將發(fā)生變。蘋果在視頻描中寫道：“Apple TV+ 擁有好萊塢幾乎所有最于兒的明星。自然，提西?查拉梅也想要入”。蘋果在去年發(fā)布過類似的宣傳頻，在視頻中演員恩?哈姆（Jon Hamm）表示嫉妒，從未出現(xiàn)在 Apple TV+ 的原創(chuàng)內(nèi)容中。哈姆后參演了《早間新》（The Morning Show）第三季，該劇將今年晚些時候開播
感謝IT之家網(wǎng)友 華南吳彥祖、許哥Geg 的線索投遞！IT之家?1 月 19 日消息，三星此前宣布將為 Galaxy Bud 2 Pro 發(fā)布新的軟件更新，更新將帶來 360 度音頻錄制。用戶將夠使用兼容的 Galaxy 手機為他們創(chuàng)建的視頻內(nèi)容捕捉駮其境的聲音?，F(xiàn)在推已開始。三星正在為 Galaxy Buds 2 Pro 推出固件版本 R510XXU0AWA5。變更日志確認包含此新功。更新耳機后，使用星相機應(yīng)用程序錄制頻，耳機將能夠捕捉臨其境的 360 度音頻。此功能僅在 Galaxy Z Fold 4 和 Galaxy Z Flip 4 上受支持。設(shè)備必須運行 One UI 5.0。未來的設(shè)備也將支持此功能。IT之家了解到，通過此軟鵹鶘更新還添加了新“連接設(shè)備診斷”選。可分別測試每個功，允許用戶了解 Galaxy Buds 的每個功能是否正常行。三星 Members 和 Galaxy Wearable 應(yīng)用程序必須更新到最新版本才能使阿女此能?
