点击右上角微信好友

朋友圈

请使用浏览器分享功能进行分享

正在阅读:天天发娱乐|天天发娱乐平台
首页>文化频道>要闻>正文

天天发娱乐|天天发娱乐平台

来源:天天发娱乐注册2024-04-26 17:48

  

天天发娱乐

江苏徐州:“消防嫂”探班消防队 新年让爱团圆******

  (新春走基层)江苏徐州:“消防嫂”探班消防队 新年让爱团圆

  中新网徐州1月18日电 题:江苏徐州:“消防嫂”探班消防队 新年让爱团圆

  作者 刘贺 朱志庚

  “每一处魔术贴都要粘好,拉链拉上,不要只图快,因为你在火场上,危险无处不在。”兔年春节前夕的“小年”当天,在江苏省徐州市鼓楼区消防救援大队,13岁的许晶然在消防员的指导下将沉甸甸的消防救援服“艰难”地穿在身上。

瑞雪迎春,消防员王震与家属在雪中享受团圆。 方金麟 摄瑞雪迎春,消防员王震与家属在雪中享受团圆。 方金麟 摄

  窗外漫天飞雪,屋内许晶然额头上却沁出了滴滴汗水。“太沉了,以前都是在电视上看消防员,觉得他们跑得特别快,很酷!没想到这身衣服这么重,我穿了将近五分钟才穿上,体验了一把我哥的辛苦。”今年才13岁的许晶然在哥哥许洪海的指导下穿上救援服。

许晶然(右)试穿消防救援服。 方金麟 摄许晶然(右)试穿消防救援服。 方金麟 摄

  年关将至,为了让消防指战员能和亲属过一个团圆年,徐州市鼓楼区消防救援大队举行“新年让爱团圆”活动,邀请消防员家属走进消防队,体验消防生活、学习消防知识,一起吃个团圆饭。当天,和许晶然一样来到消防队的家属共有19位。活动现场,消防员们化身“解说员、指导员”,为家属们讲解日常防火常识、带家属体验装备器材。他们一同开茶话会、聚餐,让家属们“零距离”接触队伍文化和日常生活,身临其境感受、了解队员们的“日常”。

消防员与家属围坐一起,共享团聚。 朱志庚 摄消防员与家属围坐一起,共享团聚。 朱志庚 摄

  “我是特地赶来的,毕竟好久没有见老公了。”“消防嫂”王晶来自河南濮阳,与丈夫邵闯闯上次见面还是8个月前,得知队里组织活动,王晶第一时间报了名,从近400公里外的老家赶了过来。“能见到他,感觉就很好。”王晶坦言,自己还有一个小小的新年愿望,希望新的一年里,可以把婚礼补办上。她与邵闯闯领证两年多了,由于邵闯闯平日里工作忙,还没有办婚礼。

消防员李顺一家三口。 方金麟 摄消防员李顺一家三口。 方金麟 摄

  在队里,大家对邵闯闯的评价是“说话不多、办事不拖”,老实憨厚的他,此刻和妻子共同享受着包饺子话团圆的喜悦,相识七年来,今年是两人一起度过的第一个春节。“今年我来刚好能和老公一起过年,感觉是特别具有纪念意义的一年,之前我看一个歌词挺好的,‘你说最好的人会在身边,此刻我也这样想’”。

王晶(左)与邵闯闯一起参与趣味消防游戏。 刘贺 摄王晶(左)与邵闯闯一起参与趣味消防游戏。 刘贺 摄

  看着热气腾腾的饺子,思念涌上心头。已九年未回家过年的消防员廖伟智默默离开餐厅,打给了远在浙江安吉的亲人。

消防员郑伟一家四口在营队合影。 方金麟 摄消防员郑伟一家四口在营队合影。 方金麟 摄

  “喂,妈,通过手机视频,祝您和爸爸新年快乐,身体健康,万事如意。今年春节我已向队里申请,应该可以回家过年。”“好的,儿子,我和你爸在家等你回来。”

  质朴的祝福,让视频两边的人都红了眼眶。消防员有这样一句话:“一家难圆、万家圆;百姓过节、消防过关”。万家灯火的背后,是消防人的默默坚守。

廖伟智与远在浙江吉安的母亲打视频电话。 朱志庚 摄廖伟智与远在浙江吉安的母亲打视频电话。 朱志庚 摄

  “在此新春之际,我们借此机会,组织‘新年让爱团圆’活动,让指战员及亲属在队过一个团圆年,特别感谢亲属们长期以来,对消防事业的支持与奉献。”徐州市鼓楼区消防救援大队政治教导员周森说。(完)

                                                                                                                                                                                                                                • 人工智能,如何妙笔“生”画******

                                                                                                                                                                                                                                    核心阅读

                                                                                                                                                                                                                                    输入一段话,“绘”出一幅画——人工智能的绘画本领,吸引众多职业画师和零基础用户尝鲜。人工智能绘画的本质是计算,接受“语言描述”指令后根据自身的理解还原出图像。未来,人工智能技术应用于艺术创作等领域,还要注意防范潜在风险,让技术进步更好地造福社会。

                                                                                                                                                                                                                                    不用画笔、颜料,输入一段描述性文字,计算机就能自动解析,生成相应的画作。2022世界人工智能大会上,人工智能绘画的展示令观众惊叹。

                                                                                                                                                                                                                                    一些过去专属于人类创作的领域,比如绘画、书法、写作、作曲,如今人工智能也已开始涉足。人工智能是如何绘画的?当前沿技术与艺术相遇,将碰撞出怎样的火花?在内容、版权等方面又是否存在问题?

                                                                                                                                                                                                                                    从文本到图像,人工智能绘画本质是计算

                                                                                                                                                                                                                                    人工智能绘画是一个从文本到图像的生成过程,输入一段话,生成一幅画,本质是计算。简要地说,计算机通过大量学习,能识别特定图片元素和文本之间的关联。同理,人工智能程序在收到“语言描述”指令后,可以根据自身的算法还原出图像。

                                                                                                                                                                                                                                    设定计算机程序作画的想法由来已久。早在20世纪70年代,就有艺术家开发了操作机械臂的电脑程序,让机械臂按照指令在画纸上作画。近些年,人工智能技术日新月异,科研人员尝试设计自动作图的计算机程序。但过去很长一段时间,人工智能“画”出的作品普遍不够好,往往只是一些模糊的图像元素的组合,还称不上是完整的画。

                                                                                                                                                                                                                                    今年以来,人工智能画技迅速“进化”。谈及技术突破原因,百度文心一格总架构师肖欣延认为,这是预训练大模型的兴起、大数据的训练和扩散模型的出现3方面共同作用的结果。

                                                                                                                                                                                                                                    具体来说,预训练大模型增强了人工智能的通用性,成为人工智能技术及应用的新基座;大数据的训练中,通过在众多高性能GPU(图形处理器)算力资源中进行并行学习,计算机能够在短时间内完成大量的数据学习。近年来,几乎所有人工智能的技术发展都受益于这两方面的进展。而对人工智能绘画来说,扩散模型的出现至关重要。

                                                                                                                                                                                                                                    扩散模型的原理是,通过人为逐步添加噪声,让图像逐渐变“模糊”,再不断学习去噪过程,如此人工智能就能从完全是噪声的图片中逐渐还原出清晰的图片,即“画”出图像。

                                                                                                                                                                                                                                    “这一过程与人类学习相似。通常,人们学画从临摹开始,机器也是如此。它最初生成的图像可能很模糊,但计算机会不断修正,从而输出越来越清楚、层次越来越丰富的图像。”肖欣延说。

                                                                                                                                                                                                                                    扩散模型让人工智能绘画技术实现跨越,不仅作画质量快速提升,生成时间也缩短到几秒钟。

                                                                                                                                                                                                                                    众多用户尝鲜,大量应用加速“画技”进化

                                                                                                                                                                                                                                    汤林杰是某互联网公司的运营人员。工作中,他需要借助一些图片来丰富文案,而网络上找到合适的配图并不容易。今年10月,了解人工智能绘画程序后,他尝试自己“画”图。现在,人工智能绘画工具已经是他工作的重要辅助。

                                                                                                                                                                                                                                    随着算法模型对公众开放以及训练数据成本的下降,人工智能绘画门槛越来越低,一些简易化操作平台在国内外兴起。如今,不仅一些职业插画师尝试用人工智能绘画程序辅助作画、激发灵感,许多没有绘画基础的用户也开始尝鲜,并“晒”在社交平台上。

                                                                                                                                                                                                                                    大量需求的涌现也加速了技术的更新迭代。“用人工智能绘画的人越多,算法就越能理解输入的描述文本,画作质量就越高。”肖欣延表示,当前人工智能绘画水平与今年初相比,已经有很大进步。

                                                                                                                                                                                                                                    不过,目前的人工智能绘画技术并不完美。首先,可控性仍然不高,即计算机不能很好理解人类指令的含义,即便是输入“画两个苹果,左边红色,右边绿色”这样的简单描述,生成的图像也可能有很大偏差;其次,细节呈现能力还不够。比如,对空间、透视和光影的刻画就很不如意。不少人工智能渲染出的画作,初看上去惊艳,认真观察问题却不少。

                                                                                                                                                                                                                                    但肖欣延认为,人工智能绘画在技法上的缺陷未来有望得到弥补。比如,基于跨模态大模型和强大的深度学习框架,百度开发的技术一定程度上已经缓解这些问题。此外,未来人工智能不仅能作画,还能根据文本描述生成视频,并直接配上解说文字,“可以把视频生成看作是维度更高的绘画,从技术层面看,这是可以实现的。”

                                                                                                                                                                                                                                    防范潜在风险,守住法律和伦理底线

                                                                                                                                                                                                                                    人工智能进入绘画领域,计算机会取代人类画师吗?

                                                                                                                                                                                                                                    在肖欣延看来,好的绘画与构图、设计语言、视觉情绪息息相关,即使人人都可以用人工智能技术作画,但通常只有高水平的画师才能制作出优秀的人工智能绘画作品,“人工智能只是作画的辅助工具”。此外,虽然有的人工智能绘画语言娴熟,也包含细腻的情感,但并不意味着机器有意识、情感,它不过是学过类似的作品,又恰好呈现出来了。“优秀的艺术作品往往是人的思想的投射,目前机器并没有真正具备思考能力。”肖欣延说。

                                                                                                                                                                                                                                    不少业内人士认为,不妨以开放的心态拥抱人工智能绘画,接受新事物。可以预想,将来绘画中一些繁琐、重复性的工作可能由计算机完成,创作者能腾出更多时间去构思想法与创意,调整构图、色彩、光影氛围等。

                                                                                                                                                                                                                                    “人工智能可能会激发绘画创造的活力。”肖欣延表示,20世纪前后,照相技术让传统肖像画失去市场,促使一些画家向非写实方向创新。与人工智能技术融合,或许能激发画家创作出别开生面的作品。

                                                                                                                                                                                                                                    不过,由于人工智能绘画发展刚刚起步,技术发展也引发关于版权、内容把控等问题的争议。比如,有人认为,未经授权人工智能画作模仿原画的内容、构图和风格等,侵犯了原作者的版权,有违法嫌疑。也有人认为,“机器学习”过程是一种类人化的创作行为,同样体现了创造者的思想和劳动,应当获得版权保护。此外,还有人担忧,人工智能绘画技术若被滥用,可能滋生暴力等令人不适的图像。面对新技术发展,有必要前瞻潜在的风险,只有守住法律和伦理底线,技术进步才能更好地造福社会。

                                                                                                                                                                                                                                    不只是绘画,写作、作曲、生成短片,人工智能日益强大的深度学习能力,让它与不同艺术门类发生着奇妙的碰撞。展望未来,业界专家认为,人工智能与艺术融合,一方面会降低一些艺术门类的创造门槛,让更多人参与到当代的审美创造中来;另一方面新技术会带来新的审美风格,人们或许能从中扩展对自身和世界的认识。

                                                                                                                                                                                                                                    记者 喻思南

                                                                                                                                                                                                                                    (文图:赵筱尘 巫邓炎)

                                                                                                                                                                                                                                  [责编:天天中]
                                                                                                                                                                                                                                  阅读剩余全文(

                                                                                                                                                                                                                                  相关阅读

                                                                                                                                                                                                                                  推荐阅读
                                                                                                                                                                                                                                  天天发娱乐计划群这样饮食堪称心血管"杀手"
                                                                                                                                                                                                                                  2024-03-30
                                                                                                                                                                                                                                  天天发娱乐网址海南假疫苗涉案者被曝欲与消费者和解 协议书曝光
                                                                                                                                                                                                                                  2024-09-10
                                                                                                                                                                                                                                  天天发娱乐登录巨人网络任命聂志明为CTO 成立人工智能实验室
                                                                                                                                                                                                                                  2024-11-11
                                                                                                                                                                                                                                  天天发娱乐玩法 对赌的代价:冯小刚和郑恺需补偿华谊兄弟近8800万
                                                                                                                                                                                                                                  2024-04-10
                                                                                                                                                                                                                                  天天发娱乐攻略闽剧“出圈”人周虹:“虾油味”勾连四海乡愁
                                                                                                                                                                                                                                  2023-12-29
                                                                                                                                                                                                                                  天天发娱乐手机版APP著名评论员杨健篮彩连中5串关 揭明日投注!
                                                                                                                                                                                                                                  2024-10-12
                                                                                                                                                                                                                                  天天发娱乐官网盖茨:去世后20年会关闭基金会 未来有富豪会接着做
                                                                                                                                                                                                                                  2024-01-15
                                                                                                                                                                                                                                  天天发娱乐客户端下载同筑生态文明之基 同走绿色发展之路
                                                                                                                                                                                                                                  2024-04-24
                                                                                                                                                                                                                                  天天发娱乐赔率运20疑似已装配新型涡扇20发动机 推力更大油耗更低
                                                                                                                                                                                                                                  2024-04-18
                                                                                                                                                                                                                                  天天发娱乐登录 我海军70周年活动有哪些小国舰艇?
                                                                                                                                                                                                                                  2024-04-30
                                                                                                                                                                                                                                  天天发娱乐充值国内首款油电混动MPV 奥德赛锐·混动今上市
                                                                                                                                                                                                                                  2024-07-05
                                                                                                                                                                                                                                  天天发娱乐规则北京四合院,真没你想的那么贵!
                                                                                                                                                                                                                                  2024-03-02
                                                                                                                                                                                                                                  天天发娱乐骗局海润债务危机中停产,华君集团被拖累成“老赖”
                                                                                                                                                                                                                                  2024-06-21
                                                                                                                                                                                                                                  天天发娱乐必赚方案杜少首轮出尽风头库里啥感受? 萌神拒跟队友争风吃醋
                                                                                                                                                                                                                                  2024-07-07
                                                                                                                                                                                                                                  天天发娱乐手机版好物抢先知:办公室避暑神器了解一下
                                                                                                                                                                                                                                  2024-05-07
                                                                                                                                                                                                                                  天天发娱乐客户端李彦宏夫妇或成"老赖"?作家较真儿申请执行
                                                                                                                                                                                                                                  2024-04-26
                                                                                                                                                                                                                                  天天发娱乐下载丹帝独尊:废材觉醒成天骄
                                                                                                                                                                                                                                  2024-10-30
                                                                                                                                                                                                                                  天天发娱乐漏洞美国政府问责局报告:疫情暴露美国政府部门能力缺陷
                                                                                                                                                                                                                                  2024-06-30
                                                                                                                                                                                                                                  天天发娱乐开户《POP/STAR》MV海外点击量超越S4主题曲
                                                                                                                                                                                                                                  2024-11-23
                                                                                                                                                                                                                                  天天发娱乐官网网址中俄联合军演俄方参演舰艇抵达青岛
                                                                                                                                                                                                                                  2024-07-18
                                                                                                                                                                                                                                  天天发娱乐app下载直播课成课后服务风景线
                                                                                                                                                                                                                                  2024-05-29
                                                                                                                                                                                                                                  天天发娱乐官方 朴有天首次承认吸毒事实,此前曾多次坚决否认
                                                                                                                                                                                                                                  2024-05-24
                                                                                                                                                                                                                                  天天发娱乐技巧盲目追捧九价HPV疫苗,结局可能两相其害
                                                                                                                                                                                                                                  2024-10-31
                                                                                                                                                                                                                                  天天发娱乐注册网关于奥密克戎变异株CH.1.1 这些知识您需要了解→
                                                                                                                                                                                                                                  2024-03-07
                                                                                                                                                                                                                                  加载更多
                                                                                                                                                                                                                                  天天发娱乐地图