

作为爱奇艺全球首家线下乐园,扬州爱奇艺乐园实现了“全龄同乐”,从四五岁孩童到六七十岁长者,均能参与项目体验。乐园收入主要来自门票及二次消费品。与传统室外大型主题乐园不同,爱奇艺乐园采用轻资产模式运营,借助AI、XR等前沿技术深度开发影视IP,为游客打造更具互动感和沉浸感的线下娱乐体验。园内囊括《狂飙》《唐朝诡事录》《莲花楼》《大话西游》等多个热门IP,核心体验项目涵盖沉浸舞台演艺、全感剧场、光影互动空间、角色即兴互动等七大板块,并设有众多影视名场面打卡点。根据抖音、携程、美团、大众点评等平台上的评分,扬州爱奇艺乐园评分均超4.8分,用户反响热烈,口碑持续攀升。

爱奇艺体验业务由爱奇艺乐园及IP消费品组成,是爱奇艺围绕核心IP资产,对“一鱼多吃”商业模式的有效扩展。扬州3、4月是旅游旺季、全年还有五一小长假、7-8月暑期、十一长假等,随着乐园运营效率的提升,以及针对核心受众的精准营销与转化效率的持续优化,龚宇预估单日峰值收入还有1-2倍的增长空间。

在IP消费品业务方面,爱奇艺已于2025年完成自营核心团队组建,业务模式从原先的单一授权向“自营+授权”并重转变。龚宇透露, 2026衍生品会做更多品类自营,预计至少100%以上的收入增长。数据显示,春节假期期间,“十个勤天”后陡门行李牌、《莲花楼》食色扬州系列亚克力冰箱贴、《书卷一梦》梦里啥都有主题收藏卡、《莲花楼》无尽夏系列棉花娃娃盲盒跻身扬州爱奇艺乐园开园至今周边销量前五。

从全球视野来看,线下体验业务正成为文娱巨头的重要增长极。根据Research and Markets发布的《Amusement Parks Market Report 2026》,2026年全球主题乐园市场规模预计达1008亿美元(约合人民币7300亿元),同比增长3.4%。迪士尼2026年第一财季财报显示,其体验业务(含主题乐园、邮轮等)季度收入首次突破100亿美元,运营利润33.1亿美元,占公司总运营利润的72%。这印证了“IP+体验”模式的巨大商业潜力。
扬州爱奇艺乐园的正式开业标志爱奇艺的体验业务迎来了里程碑时刻。依托丰富的IP资源储备,爱奇艺在巩固内容护城河之外,正瞄准IP的长线价值,逐步构建起从内容到线下体验再到二次消费的商业闭环。随着2026年乐园业务稳步开展,体验业务有望成为爱奇艺新的增长引擎,为长视频行业在线下寻找商业增量空间开辟新航向。
">

本期公开课,雷锋网请到了图普科技机器学习工程师 Vincent 为大家揭开 AI 可以助你成为“画家”的秘密。 Vincent 曾在英国留学两年,回国后加入图普,担任机器学习工程师一职,参与图普多个产品的研发工作,立誓要搞深度学习搞到死。
嘉宾介绍:
Vincent,图普科技机器学习工程师,主要从事工业级深度学习算法的研发。曾任摩根大通欧洲技术中心分析师,IBM爱丁堡办公室软件工程师。熟悉自然语言处理(文本分类,语言模型等),图像转换(艺术滤镜、图片上色等)和分类算法。

以下内容章整理自公开课分享。
|深度神经网络在图像识别领域的进展
自从 2012 年 Alexnet 横空出世,一举夺得 ImageNet 图片分类大赛冠军之后,深度学习一飞冲天,以卷积网络为首的深度神经网络不断刷新各种计算机视觉任务的 State-of –the-art 。过去四五年间,我们可以看到学术界不断地开发出各种不同结构的卷积神经网络,而且,这些结构并不仅仅是在 Alexnet 的基础上加深层数,而是自成一派,各有所长。

本次公开课重点分享三种神经网络结构:
Network in Network(NIN,网络中的网络):卷积网络是一种线性操作,非线性的表现能力有限,NIN 的研发者设计了比起传统的卷积网络更复杂的操作 —— MLPconv,并用 Global average pooling 极大的改进了卷积网络的大小。
VGG 和 GoogLeNet(inception_v1):二者是 2014 年 ImageNet 竞赛的双雄。VGG 的设计理念,全部都用了 3x3 卷积,增加了网络的深度。 GoogLeNet 属于Google 的 Inception 系列,用了比较花式的网络设计,旨在减少网络的运算量,加快训练 。
Resnet(深度残差网络): 根据无限逼近定理(Universal Approximation Theorem),我们可以用一个一层的神经网络来实现任意的维到维的映射,但网络的参数量(网络的宽度)会随着问题复杂度的增加变得非常大,而增加网络的深度则可以让我们用更少的参数量实现同样的映射。但是,随着神经网络层数的加深,它们的训练也会变得越来越困难,因为在训练时会出现梯度消失的状况。Resnet 很好的解决了这个问题,让训练达1000多层的神经网络变得可能。
除了图片分类,以 RCNN 系列为首的神经网络技术在物体检测任务上也取得了重大进展,近年来也出现了速度更快(YOLO),效果更好的算法(SSD)。
最近很火的 GAN 是一个训练框架,在 GAN 出现之前, 生成模型的训练是一件相对较困难的事情,GAN 出现后,生成模型训练的效率大大提高。


GAN的应用大部分也是生成模型的应用,用来生成图片、音乐、文字等。但是对抗训练对训练判别模型也是有非常大的帮助的,因为虽然有非线性的激活函数,但深度网络依然是高度线性的,会对误差进行累积,累积的误差结果通过肉眼分辨不出来,但是可以从卷积网络中看出。但与普通线性模型不同,深度神经网络可以拟合对抗训练可以很好的解决这个问题,解决方式是生成对抗样本,使得网络对对抗样本的容忍性更强些。
GAN这一两年来产生了许多非常有意思的应用,其中包括上期公开课中冯佳时博士提到的超分辨率,旨在把低分辨率的图片放大,而尽量不让其清晰度受影响。
|纹理转换
近几个月比较火的纹理转换也就是所谓的图片风格化,在深度学习之前,这也是一个非常困难的问题。其本质原因在于之前非深度学习的方法只能获取到目标图片低层次的图片特征,这导致这些方法无法独立的对图片的语义内容和风格的变化进行有效地建模,从而无法很好地对两者进行解耦和合成。

风格化算法现在更迭了两代。
第一代风格化算法:Neural Style

2015年的时候,德国图宾根大学的学者们提出了一种用深度神经网络各层的响应来表达图片的风格和内容的办法,方法可概括为:
准备好在 ImageNet 数据集上训练好的 VGG 网络,然后选取其中的某些层作为风格语义的提取层,某些层作为内容语义的提取层;
用这个训练好的 VGG 提取风格图片代表风格的高层语义信息,具体为,把风格图片作为 VGG 的输入,然后提取在风格语义选取层激活值的格拉姆矩阵(Gramian Matrix)。值得一提的是,格拉姆矩阵的数学意义使得其可以很好地捕捉激活值之间的相关性,所以能很好地表现图片的风格特征;
用 VGG 提取被风格化图片代表内容的高层语义信息,具体为,把该图片作为 VGG 的输入,然后提取内容语义提取层的激活值。这个方法很好地利用了卷积神经网络的性质,既捕捉了图片元素的结构信息,又对细节有一定的容错度;
随机初始化一张图片,然后用2,3介绍的方法提取其风格,内容特征,然后将它们分别与风格图片的风格特征,内容图片的内容特征相减,再按一定的权重相加,作为优化的目标函数。
保持 VGG 的权重不不变,直接对初始化的图⽚做梯度下降,直至目标函数降至一个比较小的值。
这个方法的风格化效果震惊了学术界,但它的缺点也是显而易见的,由于这种风格化方式本质上是一个利用梯度下降迭代优化的过程,所以尽管其效果不不错,但是风格化的速度较慢,处理一张图片在GPU上大概需要十几秒。deepart.io这个网站就是运用这个技术来进行图片纹理转换的。
第二代风格化算法:Fast Neural Style

有了可以解耦图片风格和内容的方式,我们就能训练一个端到端的网络,使得我们只需要做一次前向,就能得到风格化图片。因此生成图片大概的步骤是,根据转化的网络得到输出,输出至 VGG 网络,提取风格特征后,跟风格图片的特质做比较,内容图片的特征也会被提取,跟内容图片做比较。
这种算法的有点是速度快,可以在GPU上做到实时生成。去年年中火爆全世界的 Prisma,背后就是这个技术。但这个技术还是有缺陷的,比如由于卷积网络固有的性质,它无法像手动绘图一样对图片的细节进行精挑细选的处理,所以它像是一个豪放的印象派画家,对一些对细节要求比较高的任务,比如人物的动漫化,这种方式是不太适合的。
所以,前段时间⽐较流行的《你的名字》同款滤镜所用到的技术跟Prisma 并不一样,我们猜测这个滤镜不是端到端的,而是会先对原图做像素分割,找出可能是天空的部分,然后加上新海诚特色的云,其他部分则会做一些滤镜化处理。

纹理转换的另外一个非常有意思的应用是Neural Doodle,运用这个技术,我们可以让三岁的小孩子都轻易地像莫奈一样成为绘画大师。这个技术本质上其实就是先对一幅世界名画(比如皮埃尔-奥古斯特·雷诺阿的Bank of a River)做一个像素分割,得出它的语义图,让神经网络学习每个区域的风格。
然后,我们只需要像小孩子一样在这个语义图上面涂鸦(比如,我们想要在图片的中间画一条河,在右上方画一棵树),神经网络就能根据语义图上的区域渲染它,最后得出一幅印象派的大作。

大家如果有关注 AI 领域信息的话,可能也知道 Facebook 宣布了他们的 caffe2go 框架,并展示了他们在手机上的实时风格化视频,这项成果意义重大,主要体现在可以在手机端非常有效率的运行人工智能的算法,把有趣的人工智能技术实现到你的手掌心。例如现在直播或视频中可以在人脸上添加各种可爱小动物表情的技术也是人工智能的技术,其主要运用了人脸关键点检测技术。

实现视频风格化的难点在于:
像图像风格化这样的重型应用,如果要在手机上做到实时效果,需要有非常多工程上的优化和算法方面,在尽量不影响效果的前提下减少网络的参数量;
⽐起单图片风格化,视频风格化需要考量的东西会更多,单独对视频的每一帧进行处理,不考虑帧与帧之间的关联,会造成风格化的视频抖动和不协调。
|黑白照片上色
最后一个要介绍的技术为黑白照片上色(Colourful Image Colourization),想象一下,如果人工智能出色地完成这个任务,我们便可以用它来为老照片,老电影增色,轻易地为漫画上色了。本次公开课我会主要介绍去年 ECCV 里加州大学伯克利分校的一篇文章介绍的方法。这个方法与之前方法的不同之处在于,它把照片上色看成是一个分类问题——预测三百多种颜色在图片每一个像素点上的概率分布。这种方法tackle了这个任务本身的不确定性,例如,当你看到一个黑白的苹果时,你可能会觉得它是红色的,但如果这个苹果是青色的,其实也并没有多少违和感。大家也可以到作者的网站网站来试用他们的demo。
这篇文章里面介绍的方法有两个非常重要的trick:
颜色重平衡(Class rebalancing)

我们都知道,各个颜色在全世界所有彩色照片里面的分布是不一样的。比如,大部分照片里面可能会有天空,墙壁,草地等。论文作者给出了 ImageNet 数据集中颜色的分布,可以看出,如果用 LAB 的方式来表示图片(L 通道为像素的亮度,AB 通道表示颜色),ab 值比较低的颜色出现的频率远高于其他颜色。

如果不考虑这个问题,我们的目标函数会对 ab 值⽐比较高的颜色极其不敏感。所以,论文作者提出了了一种方法——在训练时让每一个像素点乘上一个系数,系数的大小与该像素点 ab 值的分布有关。运用这个trick,输出图片的颜色会更有多样性,更接近真实的图片。
从概率分布得出预测颜色值(Point estimate)

我们知道,这个网络的输出是各个像素点ab值的概率分布,那么我们如何去通过这个概率分布得出这个ab值呢?当然,我们可以直接选择概率最大的值作为我们的 prediction,这种做法下输出图片的颜色会更加鲜艳,但很多时候会有不自然的patch出现。另外一种做法是,取这个概率分布的均值作为prediction,这会导致我们的输出图片对比度非常低。作者在这篇文章里提出了一个折中的做法:我们可以调整Softmax 函数的 temperature,然后再求新的概率分布的均值。


这篇文章介绍的方法虽然效果很好,但它还是有缺陷的。比如,对狗的图片上色时,即使它没有伸出舌头,神经网络总是会“想象”它伸出了,然后在鼻子下面的一小块区域涂上红色。而且,上色后的图片有时会出现一小块突兀的 patch。
以上介绍的几个技术都并不是完美的,但是瑕不掩瑜,我们能从中看到深度学习的潜力,明白它能做的远远不止是分类和检测。我相信随着社会对深度学习的热情越来越大,更多有趣的成果会不断产生。如果你觉得以上的技术很酷,那我保证,你的惊讶才刚刚开始。
|有关产品化的思考

当然,要把学术界的成果应用到工业界其实并不是一件容易的事情。我们做机器学习的都知道一个著名的定理叫No Free Lunch Theorem,它说的就是,我们并不可能找到对所有问题都最优的算法。在ImageNet数据集上表现最好的算法,在工业级庞大、复杂、多变的数据上并不一定就会表现好。所以我们也根据各个客户数据分布的不同做了很多特定的优化。比如我们在为映客提供审核服务,直播场景本身就非常多样和复杂,我们发现当直播视频界面出现大量用手机或者电脑等电子产品播放另一个界面的内容,相对整个图片来说,内容呈现部分所占比例很小且十分模糊、不明显,当出现色情、暴恐等不良信息的时候,人工以及标准化的审核模型难以精准识别,误判、漏判的概率较高。于是我们需要针对这个问题具体优化,针对画中画的数据再做识别,然后再调用普通的审核模型。雷锋网雷锋网
图普的产品目前已经在多个行业领域取得很好的应用,但它们暂时只能在一定程度上减少大部分审核人力,无法完全替代人工。这一轮融资过后,我们将加大在服务和计算能力方面的投入,提升产品运行速度和鲁棒性;在算法方面,继续提高图像识别准确率和召回率,我们的愿景是完全解放审核人力,我们也将往审核之外的其他方向扩张业务,如人脸识别,增强现实等,提供更直接,高效和多样化的任务。
" width="98px" height="58px">
产品的质量决定其是否有能力生存发展下去,全国各大专用车厂家都应紧抓中标牌解放国六12吨洒水车生产质量,才能在市场的竞争中脱颖而出,下面小编带大家了解一下中标牌解放国六12吨洒水车

中标牌解放国六12吨洒水车整车外形尺寸8570X2470X2950(mm),上户吨位为:10645(Kg),驾驶室准乘人数为3人,最高车速89(km/h)。
中标牌解放国六12吨洒水车的底盘型号为CA1180P62K1L2A1E6Z,底盘轴距为5300,5000,4700,4500,5600,5800,4200,4000,3800(mm),排放标准为GB17691-2018国Ⅵ,使用10.00R20,11.00R20,295/80R22.5,275/80R22.5规格的轮胎,底盘配置的发动机型号为CA4DK1-18E6 CA4DK1-22E6 CA6DH1-22E6 CA6DH1-24E6 D6.7NS6B230 CA4DK1-22E61 CA6DH1-22E61 CA6DH1-24E61 CA4DK1-22E62 CA4DK2-24E65 CA4DK2-22E65 CA6DH1-26E65 CA6DH1-24E65 CA6DH1-22E65,底盘承载力强,可靠耐用。
| 中标牌ZBF5183GSSCAE6型洒水车主要技术参数 | |||
|---|---|---|---|
| 产品名称: | 中标牌ZBF5183GSSCAE6型洒水车 | 外形尺寸: | 8570X2470X2950(mm) |
| 底盘型号: | CA1180P62K1L2A1E6Z | 货箱尺寸: | X X (mm) |
| 总质量: | 18000(Kg) | 接近/离去角: | 17/11(°) |
| 额定质量: | 10645(Kg) | 前悬后悬: | 1400/2670(mm) |
| 整备质量: | 7160(Kg) | 最高车速: | 89(km/h) |
| 底盘参数 | |||
| 底盘型号: | CA1180P62K1L2A1E6Z | 燃油种类: | 柴油 |
| 轴数: | 2 | 前轮距: | 1928,1827,1950,1938(mm) |
| 轴距: | 5300,5000,4700,4500,5600,5800,4200,4000,3800(mm) | 后轮距: | 1878,1860(mm) |
| 驾驶室乘人数: | (人) | 弹簧片数: | 10/12+8,12/12+8,13/12+8,7/7+6,9/12+8,12/10+9,7/7+3 |
| 轮胎数: | 6 | 轴荷: | 1928,1827,1950,19383 |
| 轮胎规格: | 10.00R20,11.00R20,295/80R22.5,275/80R22.5 | ||
| 发动机参数 | |||
| 发动机型号: | 发动机生产企业 | 排量(ml) | 功率(kw)/马力(PS): |
| CA4DK1-18E6 | 中国第一汽车集团有限公司 | 4764 | 139/190 |
| CA4DK1-22E6 | 中国第一汽车集团有限公司 | 4764 | 165/225 |
| CA6DH1-22E6 | 中国第一汽车集团有限公司 | 5700 | 165/225 |
| CA6DH1-24E6 | 中国第一汽车集团有限公司 | 5700 | 179/244 |
| D6.7NS6B230 | 东风康明斯发动机有限公司 | 6700 | 169/230 |
| CA4DK1-22E61 | 中国第一汽车集团有限公司 | 4764 | 165/225 |
| CA6DH1-22E61 | 中国第一汽车集团有限公司 | 5700 | 165/225 |
| CA6DH1-24E61 | 中国第一汽车集团有限公司 | 5700 | 179/244 |
| CA4DK1-22E62 | 中国第一汽车集团有限公司 | 4764 | 165/225 |
| CA4DK2-24E65 | 中国第一汽车集团有限公司 | 5170 | 179/244 |
| CA4DK2-22E65 | 中国第一汽车集团有限公司 | 5170 | 165/225 |
| CA6DH1-26E65 | 中国第一汽车集团有限公司 | 5700 | 194/264 |
| CA6DH1-24E65 | 中国第一汽车集团有限公司 | 5700 | 179/244 |
| CA6DH1-22E65 | 中国第一汽车集团有限公司 | 5700 | 165/225 |
| 专用功能说明: | |||
| 该车采用底盘4500mm轴距,主要用于路面喷洒、园林绿化洒水;主要装置为水罐.罐体外形尺寸(长轴×短轴×长度)(mm):2400×1420×4600.罐体总容积11.1立方米,罐体有效容积10.64立方米;侧防护装置材料为Q235A,连接方式为螺栓连接;后防护装置材料为Q355B,与车辆连接方式为螺栓连接;后部防护装置的断面尺寸为240×65mm,离地高度为470mm;该车可选装鸭嘴,对冲,小型喷洒系统,高压清洗系统,自吸管路总成,左、右侧无PVC管,上绿化浇灌,后作业指示灯(箭头灯),卷盘,后部外观;随底盘装有ABS,ABS系统生产厂家:长春瑞立科密汽车电子有限公司,型号:CM4XL. | |||


人多额差异在于业余时间,业余时间生产着人才,也生产着懒汉,由此不仅使工作业绩有别,也区分出高低优劣的人生境界。中标牌解放国六12吨洒水车对质量的要求也是如此。
" width="98px" height="58px">
惠享保(免健告)百万医疗是由大品牌公司——中国人寿财险承保的。
惠享保分两个版本——精选版和尊享版。尊享版对各项医疗责任的保额和报销比例都更高一些,而且还额外涵盖两项保障,因此预算够的话,建议直接选择尊享版,保障会更好。
整体来看,惠享保投保条件宽松,保障好于惠民保,还有丰富的增值服务,很接近于市面上常规的百万医疗险。
| 年龄段 | 精选版(一年保费) | 尊享版(一年保费) |
|---|---|---|
| 30天-30岁 | 166元 | 364元 |
| 31岁-40岁 | 412元 | 589元 |
| 41岁-60岁 | 780元 | 1087元 |
| 61岁-80岁 | 1989元 | 2686元 |
中国人寿爱无忧医疗保险投保年龄范围广泛,最高支持80周岁投保,这款保险涵盖了多种医疗费用的保障,包括住院、特定门诊疾病治疗、特定疗法等。
| 年龄段 | 年交保费 |
|---|---|
| 0-5周岁 | 222元 |
| 6-10周岁 | 115元 |
| 11-15周岁 | 68元 |
| 16-20周岁 | 73元 |
| 21-25周岁 | 92元 |
| 26-30周岁 | 126元 |
| 31-35周岁 | 189元 |
| 36-40周岁 | 265元 |
| 41-45周岁 | 360元 |
通过中国人寿的官方网站进行购买。在网站上,可以详细了解百万医疗保险的条款和保障范围,并选择适合自己的保险产品。
利用其他合作平台的保险频道购买,如第三方保险销售网站或APP。
直接拨打中国人寿的客服电话进行咨询和购买。客服人员会提供详细的保险信息,并协助完成购买流程。
前往中国人寿的营业网点,与保险顾问面对面咨询并购买。这种方式适用于喜欢传统购买方式或需要更详细解答的客户。
如需了解以上产品更多详细内容或者其它更多相关产品,可以点击“立即咨询”或“免费获取方案”,我们会为您安排专业的保险顾问一对一为您服务,为您选择最合适的方案,让您花最少的钱,买到属于最合适您的保障! 声明:凡本网站注明“来源:沃保网”的文章,版权均属沃保网所有,如需转载,请先阅读《内容转载授权说明》,按照相关规定获得授权。未经授权,禁止转载、摘编,如有违反,追究法律责任;资讯内容中如有提及保险产品信息仅供参考,具体请以保险公司官方正式条款为准;" width="98px" height="58px">
似乎已经到了“人手一家贝店”的局面了,至于为什么,那肯定是因为开贝店能赚到钱呗!开贝店能赚钱没错,问题是,贝店怎么开店?
贝店开店很简单,以前的文章也多有提及,具体方法是:先使用手机下载贝店app,贝店是不能够通过pc端也就是电脑进行访问的,贝店只能够通过app才能够使用。之后就是注册贝店app,注册过程中需要输入邀请码,请向您的贝店主好友索要贝店邀请码(贝店邀请码见:https://www.aimhunt.com/p/6420 ),注册完毕之后,即可进入到贝店app中,请点击最下方中间的“升级权益”大按钮,进入到严选商品页面,各位可以购买随意一件贝店推荐的严选商品,购买成功之后,就是开店成功了。
看上去非常简单吧?综合来说的话,贝店开店,有两个注意点,一个是邀请码的问题,您必须要有邀请码才能够注册贝店,没有邀请码无法注册成功。第二个是升级权益的事情,升级权益,就是从普通用户,升级为贝店主。您必须要在贝店上消费一次、也就是购买一件严选商品,才能够升级成为贝店主,除了这个要求之外,贝店不另外收取任何加盟费用,也不需要您缴纳其他各种费用,只需要“购买一件贝店严选商品”,就会升级为贝店主,拥有在贝店赚钱的资格,从而开始跟其他贝店主一起,开创没美好明天:
贝店开店赚钱吗?
通过在贝店上面开店,是能够有不错的收入的,通过贝店开店赚到钱的人不少,但很多人并不会在网络上写出来,毕竟财不露白,所以大家了解到的可能比较少。反而一些在贝店开店,但是赚的比较少的贝店主,可能会经常发帖、或者在网站上以及群里发牢骚,但这只是少数人而已。根据统计显示,第一个月加入贝店,即有两三千元收入的贝店主,占据90%以上,而加入贝店3个月-6个月,收入超过5000以上的贝店主,占据80%的比例,加入贝店、成为贝店主、开贝店超过半年以上的,月收入过万的比例,则有50%。这种收入水平,您说,贝店开店赚钱吗?
本文转载自:https://www.aimhunt.com/p/8252
一、全包比半包装修贵多少?
1、全包意味着当装饰公司进行装饰时,甚至是主要材料,包括瓷砖,地板,门,橱柜,卫生洁具等,都被雇用了装饰公司。
半包是所有者单独购买主要材料(主要主要材料包括:瓷砖,地板,门,卫生洁具,橱柜等)。
2、一般贵多少主要取决于装饰公司的选择,那么如果选择大公司,肯定会贵一些。如果您想在主要材料上省钱,请不要购买品牌产品,因为它们的广告费用非常昂贵。买名气不是很大,其中最便宜的东西最赚钱。
3、因为媒体包装必须付出一点劳动来购买材料和管理它们,所以不需要计算工资并相对节省。除了购置材料外,不计算收益,无论装修公司的管理费和税费如何,收益也是节省的一部分。相对来说半包更节省一些钱,通常每平方米节省40至50元。
二、全包的注意事项有哪些?
1、装修前咨询,全包装修应注意选择装饰公司后与设计师的早期沟通,以使设计师了解设计需求和业主以及设计师的使用需求您必须根据所有者的需求进行设计。
2、现场测量室内。一般而言开发人员提供的图纸在特殊部分中标有错误和遗漏。但是,设计人员仍然需要在现场进行测量并审查和改进以前的设计。
3、设计方案。完整的包装维修应注意设计师在测量房间后展示设计方案的能力。该计划包括图纸目录,制图表达,平面图,俯视图,立面图,节点图和家庭装修预算。
4、全包维修应注意签订房屋装修合同。如果房主对设计计划感到满意,则可以签署房屋装修合同。 《合同》没有表达完整的事项或其他补充事项,因此需要补充协议。此外房主在签订房屋装修合同时必须支付第一笔款项。
5、早期访问。一些好的装饰公司还将建立一个客户服务专员,业主签署合同后,服务专员会记住一些家庭装修问题。
6、现场送货。业主,设计师和施工主管在施工现场进行解释。完整的包装维修应注意计划,施工项目和过程实践的沟通。
7、全包的完整装修应注意材料的验收。一般来说好的装饰公司都有展览中心和材料销售部门。销售中心必须按照约定的时间将主要材料送到施工现场,业主将签字检查。
上面是小编为大家介绍有关于全包比半包装修贵多少相关的知识,通常主要在于风格设计以及材料的选择和装修公司选择方面有很大关系,大家可以根据实际情况选择合适的方法,具体想要了解更多精彩家装资讯,请继续关注网。
清风慢属于什么档次?
评判香氛品牌的档次,需从品牌定位、产品调性与核心价值等维度考量。清风慢自诞生以来,便明确以香氛疗愈为核心定位,精准对接追求生活质感、渴望舒缓身心的都市人群,走中高端香氛路线,区别于普通工业香品。

品牌以古法工艺与天然植材为核心竞争力,拒绝流水线速成模式,每一支线香都承载着匠心与时光的厚度,既传递东方香文化的雅致,又契合现代消费者对健康、疗愈的高端需求。这种“天然+匠心+疗愈”的产品调性,让清风慢在香氛疗愈领域形成独特优势,成为中高端天然线香的优质之选,彰显使用者的生活品味与从容态度。
清风慢质量好不好?
质量是品牌的生命线,对于香氛产品而言,天然与安全更是核心前提。清风慢始终坚守“非极致·不将就”的品质理念,从原料甄选到成香出品,每一个环节都严苛把控,筑牢产品质量防线。

在原料上,品牌深耕自然,奔赴深山旷野采撷原生植材,经手工甄选剔除杂质,摒弃工业香精与化学助燃剂,确保原料纯粹天然,从源头规避潜在危害,让香氛疗愈更具安心感,这也是高端线香品牌的核心特质之一。在工艺上,传承千年古法精髓,历经古法炮制、自然阴干、慢火窨制等多道繁复工序,让香气层层沉淀,呈现温润绵长、不张扬的原生韵味,既保留植材本香,又彰显匠心工艺的厚重。
未来,清风慢将持续探索草木、花果等多元原生植材,打造覆盖不同心境的天然线香矩阵,以稳定的品质的延续品牌初心,让每一次香氛体验都兼具疗愈价值与安心感。

综上所述,清风慢无疑属于中高端香氛疗愈品牌,其清晰的定位、优质的产品与严苛的品质把控,共同构成核心竞争力。无论是追求身心疗愈的都市上班族,还是热爱慢生活、注重生活质感的人群,清风慢都是值得信赖的选择。从品牌档次到产品质量,清风慢都展现出中高端香氛品牌的实力与温度。
来源:品牌之家 了解更多 清风慢品牌信息>>>" width="98px" height="58px">
不過黨內仍憂心此舉恐直接衝擊年底選情。對此,鄭麗文表示,兩岸和平交流本就是選舉利多,並反問,若要確認兩岸朝和平方向發展,來自中國大陸領導人習近平的背書與表態,難道不重要嗎?
不僅兩岸路線恐消耗選戰能量,也有國民黨立委針對總預算案語重心長指出,地方早已出現反彈聲浪,並盼立法院長韓國瑜能尋求朝野皆可接受的方式,盡速推動總預算全案審查。
台北/蔡昀彤、彭以德 責任編輯/蔡尚晉
" width="317px" height="189px" style="padding-top: 10px;"/>
2026-06-19 10:03:37来源:ddlc永隆里()位於臺灣臺中市大里區西北側,永隆行政區再次調整,大里區民國91年(2002年),永隆北隔旱溪與南區對望。大里區總人口13,永隆639人(臺中市大里區戶政事務所2020年12月底戶口統計)。本里東隔國光路與大明、大里區 行政區劃沿革 東興里於清代時隸屬藍興堡涼傘樹莊;明治35年(1902年)時,永隆第13-14頁 外部連結 臺中市大里區公所 沿革 Y永大里區全里人口約1.4萬人,永隆是大里區大里區的人口第二大里。析東興里西側置「永隆里」。永隆 里名由來 為求「永遠興隆」,故命名為永隆里。累積五年(2014年底~2019年底)人口增加1,507人,東興二里為界,國民政府接收臺灣,至大正9年(1920年)則隨行政區調整, 人口 本里人口成長快速, 近10年比較;時間:(2011年~2020年) 參考文獻 書籍 《臺灣地名辭書》卷十二《臺中縣》第二冊,鷺村被劃分為祥鷺村和東興村;民國82年(1993年)隨大里鄉升格為縣轄市大里市而改制為東興里。是大里區五年來人口增加最多、西為樹王里,隸屬臺中縣大里鄉。西側、現為大里區人口第二多的里(僅次於瑞城里),隸屬大屯郡大里庄涼傘樹大字。為因應眾多的外來人口,改隸臺中廳樹仔腳區涼傘樹庄,北邊與臺中市區僅一溪之隔,折合成長率12.63%,二次大戰結束後,原先涼傘樹大字範圍被劃歸為樹王村與鷺村,成長最快的里。4,391戶,

上一篇:2023合肥农交会开幕
下一篇:金安机场通航飞行达2388架次

图说:奉贤海关对综保区内分类监管企业开展现场检查。王春红 摄
“通过‘区内直转’模式,货物无需进出综保区卡口,在仓库内就能完成状态切换,省去了货车预约、装货、过卡、卸货的工序。我们测算,每个集装箱能节省1500元,预计全年可以节省成本达30万元。”上海喆盛物流有限公司总经理何天平告诉记者。
" width="280" height="200" alt="上海“区内直转”业务率先落地奉贤综保区" >上海“区内直转”业务率先落地奉贤综保区
峰会现场,抖音家居建材大客户讲师王芬女士特别出席分享“抖音本地生活玩法”,解锁短视频与本地生活结合的营销新路径,以及家居行业独有的流量逻辑,为富轩经销商伙伴2026年生意增长注入强劲的数字动力。

随后,峰会迎来了最激动人心的巅峰时刻——2026富轩“315放心购,好窗好价护新家”现场直播活动,现场气氛高涨,线上直播更是突破50万人观看,将峰会热度推向顶峰。

富轩全屋门窗营销总经理翁振晖先生亲自登台发放福利,60分钟的直播里,不仅向全国消费者释放了诚意满满的豪礼,更让“富轩好窗,守护万家”的理念走进更多家庭。

02聚贤启航,共赴巅峰
G&C FUSON
富轩2026年度全球经销商战略峰会进入高光时刻。中国建筑材料流通协会会长秦占学先生率先登台致辞,他强调,将安全、舒适、绿色、智慧的核心功能深度嵌入“好房子”建设全流程,既是行业发展的必然趋势,更是每一家门窗品牌的核心责任。

中国建筑材料流通协会会长秦占学
佛山市家居产业联合会党支部书记杨志华先生发表致辞,首先,对富轩过去一年在产品创新、智能制造与出海布局等方面的举措给予高度认可,同时也期许在2026年富轩与行业伙伴继续携手共同推动中国 门窗品牌扬帆出海。

佛山市家居产业联合会党支部书记杨志华
随后,富轩全屋门窗董事长李昌安先生发表核心致辞,再次坚定传递“没有好玻璃就不是好门窗”的品牌核心理念。他强调,玻璃是门窗的“心脏”,富轩将始终以好玻璃打造好门窗,为“好房子”提供最 优解。面对激烈的市场竞争,他则提出“狭路相逢狠者胜”,誓以更安全、更舒适的门窗产品,坚守品质初心,赢战终端市场。

富轩全屋门窗董事长李昌安
“玻璃不仅仅是守护安全、遮风挡雨的门窗部件,更是生活美学的展现”。洛阳北方玻璃技术股份有限公司安春静女士带来“大玻璃的应用与趋势”深度分享,玻璃是门窗的眼睛,更是性能的核心,玻璃技术的每一次突破,都推动着门窗产品的迭代升级,这与富轩“玻璃革命”的战略思路高度契合。

洛阳北方玻璃技术股份有限公司安春静
酷家乐首席讲师清扬先生特别带来酷家乐分享,以“AI与营销”为主题,解锁数字化时代终端增长新密码;同时他强调,经销商需掌握“三个一”——一个账号、一套方案、一个客户,通过数字化工具掌握门店设计主导权,实现谈单效率与业绩的双重提升。

酷家乐首席讲师清扬
03战略定盟 共绘蓝图
G&C FUSON
风口已至,顺势而为。随着“第四代住宅”政策风靡全国,高端住宅对全景景观超大玻璃的需求呈爆发式增长。面对市场机遇与挑战,富轩选择以硬核实力主动破局,深度推进“玻璃革命”,回应时代命题。

峰会迎来最 具里程碑意义的时刻——富轩2026核心营销战略正式发布!富轩全屋门窗董事长李昌安,携手中国建筑材料流通协会会长秦占学、佛山市家居产业联合会党支部书记杨志华,以及广东定制协会秘书长曾勇、广东省门业协会秘书长饶德亮、广东省门窗协会秘书长管琪林、天猫家装定制新零售负责人罗庆、洛阳北方玻璃技术股份有限公司市场营销总监李春超、广东网络广播电视台生活频道与房产频道总经理关国栋等多位领导嘉宾,共同登台,启动历史性的战略发布。

“超大玻璃,超安全,管用30年”。发布仪式后,李董对富轩2026核心营销战略进行深刻解读,他特别提出“三分门窗,七分玻璃,是售前”的全新理念,凸显玻璃在门窗产品中的核心地位。同时也将以技术实力支撑,持续推动玻璃性能革命,助力经销商抓住超大玻璃风口,赢得市场主动权。

巅峰挑战正式启动!富轩全屋门窗携手FWRC福布斯世界纪录认证机构,开启巅峰挑战·启动仪式。富轩全屋门窗董事长李昌安先生与FWRC认证官共同登台,正式启动世界纪录认证挑战,这不仅是对富轩产品品质与技术实力的极致考验,更是富轩向世界展示中国 门窗品牌力量的重要举措。

随后,由中国建筑材料流通协会整装定制与门窗幕墙专委会牵头,富轩全屋门窗作为主编单位之一,联合行业力量发布《智能门窗通用技术规范》团标。富轩全屋门窗董事长李昌安、中国建筑材料流通协会会长秦占学、中国建筑材料流通协会整装定制与门窗幕墙专委会秘书长 " width="280" height="200" alt="巅峰共进,赢战未来!富轩全屋门窗2026年度全球经销商战略峰会圆满落幕" >
巅峰共进,赢战未来!富轩全屋门窗2026年度全球经销商战略峰会圆满落幕
五行秘籍在游戏当中是分为金、木、水、火、土这五行,玩家每次使用一次武学升级,都要消耗一定程度的五行秘籍。
倘若玩家在游戏当中是想要获取五行秘籍,总共有这五个方式,第一个方式是玩家完成主线剧情内容,在主线剧情内容之中,玩家可以通过任务的奖励来获取一定的五行秘籍,但通过这种方式获取的五行秘籍数量并不多。

第二种方式是玩家完成悬赏任务,玩家每天可以前往主城区之中接取三次悬赏任务,每次完成之后,玩家都可以获得一个自选秘籍包,从自选秘籍包之中,玩家可以开启一个五行秘籍。
第三个方式是玩家在莫沙客栈之中,通过pvp战斗的方式,来获取五行秘籍,但是这种方式有一定的概率性,并不是每一次都一定能够获取五行秘籍。

第四个方式是玩家直接购买,购买分为在杂货店购买以及在帮会商城之中购买,在帮会商城内,玩家只需要消耗帮贡就可以购买到五行秘籍了,但是前往到杂货店之中,玩家只能够通过绑定元宝来购买五星秘籍,帮派贡献购买的秘籍有一定的上限,每日上限为五本。
最后一种获取五行秘籍的方式是玩家完成成就任务,在职业的成就任务之中,玩家是可以获取大量五行秘籍的。

上面这些内容就是本次小编给大家专门带来的剑中五行秘笈获取攻略介绍的全部了,五行秘籍需要搭配武林至宝才能够相得益彰,玩家可以打开武林至宝界面,获取聚宝盆或者是神农锄,来增强五行秘籍的效果,希望看完本次内容的小伙伴们,可以实际进入到这款游戏当中体验一下哦~
" width="280" height="200" alt="剑中五行秘笈是什么 剑中五行秘笈介绍" >剑中五行秘笈是什么 剑中五行秘笈介绍一、150抽领取方法
将灵说150抽相当于一个保底,可以稳定抽中当期强力的武将,不过只能领取1次150抽,而这个抽取的获取条件就是完成所有的新手任务,这样就能保证获得150次抽。

其中有30抽直接开服在邮件里进行领取,之后就是累计7天的新手任务,大部分跟着新手任务做就能完成,大概3天就能全部完成,这时候玩家就拥有了大量的抽取资源。
二、抽取武将顺序
拥有150抽以后,最好的选择就是抽取当期较为强力的武将,这里就比较推荐抽取吕布,吕布的技能模组是很全面的,1技能可以造成巨额的单体伤害,而且附加百分值比例的额外伤害,同时还具备2个aoe技能,在前期的刷图体验是很适合的,抽取优先级是第一的。

其次就是刘备,刘备作为坦克位具有一定的生存能力,而且还可以提供巨额的护盾以及免伤效果,能全程提升玩家的游戏体验!

相信多数玩家都已经了解到将灵说150抽在哪领的全部信息,游戏的150抽获取还是很容易的,就是需要新手玩家在新手阶段多活跃一些就能全部领取。
" width="280" height="200" alt="将灵说150抽在哪领 将灵说150抽领取位置介绍" >将灵说150抽在哪领 将灵说150抽领取位置介绍
传音将推模块化手机
传音预热了一款超薄模块化手机新品,其核心在于搭载了模块化磁吸互联技术,通过机身背面的磁吸触点,可以扩展多种模块,实现功能上的拓展。

据悉,该机整体厚度4.9mm,比iPhone Air还要薄一些,设计上也有点相似,采用单摄设计。官方为其提供了非常丰富的扩展配件,包括相机手柄/长焦镜头、游戏手柄、运动相机、电池包、挂绳、支架等,覆盖了专业影像、游戏娱乐、续航补能、日常使用等诸多场景,用户可以根据使用需求进行扩展,我愿称之为“拼好机”。

不过值得一提的是,官方两次放出的预热图在设计上以及背部磁吸触点都存在差异,有可能是因为这款模块化轻薄手机的最终定版,这两张只是参考图,目前还是在概念阶段,后续还有更改的可能。
看到这款产品不由得让我想起了大概10年前的Moto Z系列模块化手机,同样是提供了不少的模块,像大家熟知的摩眼哈苏摄影模、摩影投影模块、摩音JBL扬声器模块、摩电电池模块等等,虽然在当时确实是一次大胆的创新,但部分模块功能比较鸡肋,为了保证模块通用性限制手机设计、模块更新速度无法跟上手机迭代以及购买各个模块增加用户总拥有成本等因素都让其没能普及和发展。不知道传音这款产品究竟只是概念机,还是会量产上市,还得等MWC 2026上见分晓了。
荣耀双旗舰蓄势待发
荣耀会在3月1日召开全球发布会,届时将推出荣耀Magic V6折叠屏手机和机器人手机荣耀ROBOT PHONE。
荣耀Magic V6在外观设计、核心配置以及续航等方面进行了着重的升级。新机将提供全新“赤兔红”配色,后盖材质采用覆盖超级纳米涂层的绒马环保皮,视觉上具备法式奢绒光感,上手还有细腻轻柔的触感,并采用了八边穹顶影像模组设计,外面有一圈金色装饰环,机身重量约为215g,折叠状态下的厚度为8.7mm。Magic V6会采用新一代鲁班卯式钛合金铰链,优化了折痕控制,配合UTG超薄玻璃覆盖,展开后内屏平整度极高,折痕几乎看不见。
核心配置上,它将搭载满血第五代骁龙8至尊版移动平台,配备LPDDR6内存与UFS 4.1闪存的组合,旨在实现PC级别的生产力,轻松驾驭大屏多任务处理。并且配备了超大尺寸VC均热板与石墨烯散热材质,确保高负载下的稳定的性能释放。其北斗短信版将配备7150mAh青海湖刀片电池,常规版是6850mAh青海湖电池,80W有线快充。影像方面,它会配备2亿像素全焦段三摄。

另外一款则是全球首款机器人形态手机—荣耀ROBOT PHONE,它突破了传统手机形态,配备隐藏式机械臂云台,支持一键展开、全自动构图、目标跟随与高规格防抖。搭载端侧大模型YOYO,具备情感感知能力,能主动关怀、推荐内容,并调度全场景生态设备,化身用户的个人管家与创意伙伴。这款产品通过机械臂与AI的融合,使得其具备物理层面的主动交互能力,成为能感知环境、理解用户意图的“AI智能体”,拓展了传统手机的功能边界。

方飞强调,ROBOT PHONE的重点并非单纯的云台相机,不是为了好玩做一个概念机,而是对手机形态边界的探索,或者说预判下一阶段智能终端的决胜点。而且它并非只挺好留在原型阶段,计划2026年上半年推进量产并面向消费市场发售。

ROBOT PHONE融合AI大脑、机器人行动力与极致摄影三重能力,它不仅仅是产品形态上的创新,更是交互方式上的革新,它让手机成为了一个是“会动、会想、会互动”的全新智能生命体。
新一代豆包手机或登场
努比亚手机官宣,将在MWC 2026期间推出一款号称“AI新物种”的产品,目前普遍猜测它将是下一代豆包手机,目前官方并没有透露太多的信息。努比亚技术有限公司总裁倪飞则表示,在MWC上,中兴努比亚将携系列创新成果亮相,特别是大家关注的努比亚AI手机进展。

如果是新一代的豆包手机,那确实是非常值得期待的,毕竟在去年年底横空出世的豆包AI手机确实让人眼前一亮。它和一般的“AI手机”不同,拥有深度嵌入系统底层的AI助手,其核心突破在于其多模态交互能力和AI操作手机功能,通过模拟用户操作实现跨应用、多步骤的自动化操作,简单说就是它的权限更高,操作更像真人。通过语音可以控制其发微博、订外卖、订机票等,还有着类人化的记忆与推理能力通过加密存储用户对话、会议录音、网页摘要等数据,AI助手能主动提取关键信息并生成结构化输出,实现“上下文感知”的智能服务,不如会根据你的日程安排,查询天气并推荐衣物,询问高铁座位号时,它能自动翻找12306的购票记录并告知准确位置。相比于普通手机上的AI助手,豆包AI手机已经向AI Agent迈了一大步,当下它并非是比你做的快,但关键在于能替你做。

当然,其问题同样存在,AI Agent的跨应用能力触动了互联网巨头的核心利益(如广告、流量分发),因此被部分主流APP对对其高权限进行了屏蔽;另一方面则是其高权限势必引发消费者对于隐私安全的担忧,在设计敏感数据的操作时(支付、通讯等),如何更好的保障安全,都是需要考虑的问题。
vivo X300 Ultra开启全球首秀
vivo今年迈出了影像旗舰出海的关键一步,将在MWC 2026开启vivo X300 Ultra的全球首次亮相,打破了此前Ultra机型仅在中国大陆市场发售的传统。

这款产品最值得关注当属影像,根据之前的消息,vivo X300 Ultra 将延续和蔡司的深度合作,预计将采用双2亿像素主摄+2亿像素长焦+5000万像素超广角的全大底三摄方案,主摄有望首发索尼 LYT-901传感器,拥有1/1.12英寸超大底,并采用35mm人文黄金焦段;长焦镜头为2亿像素三星HPB传感器,拥有1/1.4英寸大底,85mm焦段;超广角为索尼的LYT-828,有着1/1.28英寸的底,影像配置可谓是非常豪华。
其它方面,它将搭载第五代骁龙8至尊版处理器,配合LPDDR5X Ultra内存与UFS 4.1闪存,拥有一块7000mAh硅碳负极电池,配备一块6.8 英寸左右的京东方2K旗舰直屏。
从vivo选择在MWC 2026上开启vivo X300 Ultra的全球首秀可以看出,一方面是他们对这款影像旗舰的信心,另一方面则是它们想要拓展海外市场的决心,相比于国内市场疯狂“内卷”相比,海外市场相对竞争压力要小一些,选择用产品力强悍的新品来切入确实是个明智的选择。
诸多新旗舰都将亮相
除了上面提到的这些新机外,小米则会在MWC 2026上在全球市场发布小米17系列,刚刚发布的三星Galaxy S26系列将会在展会亮相,红魔也将展示包括红魔11 Pro、红魔11 Air等机型。
" width="280" height="200" alt="MWC 2026手机新品看点前瞻:从模块化到机器人,AI新物种横空出世" >MWC 2026手机新品看点前瞻:从模块化到机器人,AI新物种横空出世
故事背景设定在平行世界的美国,一场名为"飙马野郎"的横跨大陆大赛拉开帷幕,参赛者将为了巨额奖金展开横穿全国的激烈角逐。动画依然由曾操刀《JOJO的奇妙冒险》所有前作的大卫社工作室负责制作。


本期公开课,雷锋网请到了图普科技机器学习工程师 Vincent 为大家揭开 AI 可以助你成为“画家”的秘密。 Vincent 曾在英国留学两年,回国后加入图普,担任机器学习工程师一职,参与图普多个产品的研发工作,立誓要搞深度学习搞到死。
嘉宾介绍:
Vincent,图普科技机器学习工程师,主要从事工业级深度学习算法的研发。曾任摩根大通欧洲技术中心分析师,IBM爱丁堡办公室软件工程师。熟悉自然语言处理(文本分类,语言模型等),图像转换(艺术滤镜、图片上色等)和分类算法。

以下内容章整理自公开课分享。
|深度神经网络在图像识别领域的进展
自从 2012 年 Alexnet 横空出世,一举夺得 ImageNet 图片分类大赛冠军之后,深度学习一飞冲天,以卷积网络为首的深度神经网络不断刷新各种计算机视觉任务的 State-of –the-art 。过去四五年间,我们可以看到学术界不断地开发出各种不同结构的卷积神经网络,而且,这些结构并不仅仅是在 Alexnet 的基础上加深层数,而是自成一派,各有所长。

本次公开课重点分享三种神经网络结构:
Network in Network(NIN,网络中的网络):卷积网络是一种线性操作,非线性的表现能力有限,NIN 的研发者设计了比起传统的卷积网络更复杂的操作 —— MLPconv,并用 Global average pooling 极大的改进了卷积网络的大小。
VGG 和 GoogLeNet(inception_v1):二者是 2014 年 ImageNet 竞赛的双雄。VGG 的设计理念,全部都用了 3x3 卷积,增加了网络的深度。 GoogLeNet 属于Google 的 Inception 系列,用了比较花式的网络设计,旨在减少网络的运算量,加快训练 。
Resnet(深度残差网络): 根据无限逼近定理(Universal Approximation Theorem),我们可以用一个一层的神经网络来实现任意的维到维的映射,但网络的参数量(网络的宽度)会随着问题复杂度的增加变得非常大,而增加网络的深度则可以让我们用更少的参数量实现同样的映射。但是,随着神经网络层数的加深,它们的训练也会变得越来越困难,因为在训练时会出现梯度消失的状况。Resnet 很好的解决了这个问题,让训练达1000多层的神经网络变得可能。
除了图片分类,以 RCNN 系列为首的神经网络技术在物体检测任务上也取得了重大进展,近年来也出现了速度更快(YOLO),效果更好的算法(SSD)。
最近很火的 GAN 是一个训练框架,在 GAN 出现之前, 生成模型的训练是一件相对较困难的事情,GAN 出现后,生成模型训练的效率大大提高。


GAN的应用大部分也是生成模型的应用,用来生成图片、音乐、文字等。但是对抗训练对训练判别模型也是有非常大的帮助的,因为虽然有非线性的激活函数,但深度网络依然是高度线性的,会对误差进行累积,累积的误差结果通过肉眼分辨不出来,但是可以从卷积网络中看出。但与普通线性模型不同,深度神经网络可以拟合对抗训练可以很好的解决这个问题,解决方式是生成对抗样本,使得网络对对抗样本的容忍性更强些。
GAN这一两年来产生了许多非常有意思的应用,其中包括上期公开课中冯佳时博士提到的超分辨率,旨在把低分辨率的图片放大,而尽量不让其清晰度受影响。
|纹理转换
近几个月比较火的纹理转换也就是所谓的图片风格化,在深度学习之前,这也是一个非常困难的问题。其本质原因在于之前非深度学习的方法只能获取到目标图片低层次的图片特征,这导致这些方法无法独立的对图片的语义内容和风格的变化进行有效地建模,从而无法很好地对两者进行解耦和合成。

风格化算法现在更迭了两代。
第一代风格化算法:Neural Style

2015年的时候,德国图宾根大学的学者们提出了一种用深度神经网络各层的响应来表达图片的风格和内容的办法,方法可概括为:
准备好在 ImageNet 数据集上训练好的 VGG 网络,然后选取其中的某些层作为风格语义的提取层,某些层作为内容语义的提取层;
用这个训练好的 VGG 提取风格图片代表风格的高层语义信息,具体为,把风格图片作为 VGG 的输入,然后提取在风格语义选取层激活值的格拉姆矩阵(Gramian Matrix)。值得一提的是,格拉姆矩阵的数学意义使得其可以很好地捕捉激活值之间的相关性,所以能很好地表现图片的风格特征;
用 VGG 提取被风格化图片代表内容的高层语义信息,具体为,把该图片作为 VGG 的输入,然后提取内容语义提取层的激活值。这个方法很好地利用了卷积神经网络的性质,既捕捉了图片元素的结构信息,又对细节有一定的容错度;
随机初始化一张图片,然后用2,3介绍的方法提取其风格,内容特征,然后将它们分别与风格图片的风格特征,内容图片的内容特征相减,再按一定的权重相加,作为优化的目标函数。
保持 VGG 的权重不不变,直接对初始化的图⽚做梯度下降,直至目标函数降至一个比较小的值。
这个方法的风格化效果震惊了学术界,但它的缺点也是显而易见的,由于这种风格化方式本质上是一个利用梯度下降迭代优化的过程,所以尽管其效果不不错,但是风格化的速度较慢,处理一张图片在GPU上大概需要十几秒。deepart.io这个网站就是运用这个技术来进行图片纹理转换的。
第二代风格化算法:Fast Neural Style

有了可以解耦图片风格和内容的方式,我们就能训练一个端到端的网络,使得我们只需要做一次前向,就能得到风格化图片。因此生成图片大概的步骤是,根据转化的网络得到输出,输出至 VGG 网络,提取风格特征后,跟风格图片的特质做比较,内容图片的特征也会被提取,跟内容图片做比较。
这种算法的有点是速度快,可以在GPU上做到实时生成。去年年中火爆全世界的 Prisma,背后就是这个技术。但这个技术还是有缺陷的,比如由于卷积网络固有的性质,它无法像手动绘图一样对图片的细节进行精挑细选的处理,所以它像是一个豪放的印象派画家,对一些对细节要求比较高的任务,比如人物的动漫化,这种方式是不太适合的。
所以,前段时间⽐较流行的《你的名字》同款滤镜所用到的技术跟Prisma 并不一样,我们猜测这个滤镜不是端到端的,而是会先对原图做像素分割,找出可能是天空的部分,然后加上新海诚特色的云,其他部分则会做一些滤镜化处理。

纹理转换的另外一个非常有意思的应用是Neural Doodle,运用这个技术,我们可以让三岁的小孩子都轻易地像莫奈一样成为绘画大师。这个技术本质上其实就是先对一幅世界名画(比如皮埃尔-奥古斯特·雷诺阿的Bank of a River)做一个像素分割,得出它的语义图,让神经网络学习每个区域的风格。
然后,我们只需要像小孩子一样在这个语义图上面涂鸦(比如,我们想要在图片的中间画一条河,在右上方画一棵树),神经网络就能根据语义图上的区域渲染它,最后得出一幅印象派的大作。

大家如果有关注 AI 领域信息的话,可能也知道 Facebook 宣布了他们的 caffe2go 框架,并展示了他们在手机上的实时风格化视频,这项成果意义重大,主要体现在可以在手机端非常有效率的运行人工智能的算法,把有趣的人工智能技术实现到你的手掌心。例如现在直播或视频中可以在人脸上添加各种可爱小动物表情的技术也是人工智能的技术,其主要运用了人脸关键点检测技术。

实现视频风格化的难点在于:
像图像风格化这样的重型应用,如果要在手机上做到实时效果,需要有非常多工程上的优化和算法方面,在尽量不影响效果的前提下减少网络的参数量;
⽐起单图片风格化,视频风格化需要考量的东西会更多,单独对视频的每一帧进行处理,不考虑帧与帧之间的关联,会造成风格化的视频抖动和不协调。
|黑白照片上色
最后一个要介绍的技术为黑白照片上色(Colourful Image Colourization),想象一下,如果人工智能出色地完成这个任务,我们便可以用它来为老照片,老电影增色,轻易地为漫画上色了。本次公开课我会主要介绍去年 ECCV 里加州大学伯克利分校的一篇文章介绍的方法。这个方法与之前方法的不同之处在于,它把照片上色看成是一个分类问题——预测三百多种颜色在图片每一个像素点上的概率分布。这种方法tackle了这个任务本身的不确定性,例如,当你看到一个黑白的苹果时,你可能会觉得它是红色的,但如果这个苹果是青色的,其实也并没有多少违和感。大家也可以到作者的网站网站来试用他们的demo。
这篇文章里面介绍的方法有两个非常重要的trick:
颜色重平衡(Class rebalancing)

我们都知道,各个颜色在全世界所有彩色照片里面的分布是不一样的。比如,大部分照片里面可能会有天空,墙壁,草地等。论文作者给出了 ImageNet 数据集中颜色的分布,可以看出,如果用 LAB 的方式来表示图片(L 通道为像素的亮度,AB 通道表示颜色),ab 值比较低的颜色出现的频率远高于其他颜色。

如果不考虑这个问题,我们的目标函数会对 ab 值⽐比较高的颜色极其不敏感。所以,论文作者提出了了一种方法——在训练时让每一个像素点乘上一个系数,系数的大小与该像素点 ab 值的分布有关。运用这个trick,输出图片的颜色会更有多样性,更接近真实的图片。
从概率分布得出预测颜色值(Point estimate)

我们知道,这个网络的输出是各个像素点ab值的概率分布,那么我们如何去通过这个概率分布得出这个ab值呢?当然,我们可以直接选择概率最大的值作为我们的 prediction,这种做法下输出图片的颜色会更加鲜艳,但很多时候会有不自然的patch出现。另外一种做法是,取这个概率分布的均值作为prediction,这会导致我们的输出图片对比度非常低。作者在这篇文章里提出了一个折中的做法:我们可以调整Softmax 函数的 temperature,然后再求新的概率分布的均值。


这篇文章介绍的方法虽然效果很好,但它还是有缺陷的。比如,对狗的图片上色时,即使它没有伸出舌头,神经网络总是会“想象”它伸出了,然后在鼻子下面的一小块区域涂上红色。而且,上色后的图片有时会出现一小块突兀的 patch。
以上介绍的几个技术都并不是完美的,但是瑕不掩瑜,我们能从中看到深度学习的潜力,明白它能做的远远不止是分类和检测。我相信随着社会对深度学习的热情越来越大,更多有趣的成果会不断产生。如果你觉得以上的技术很酷,那我保证,你的惊讶才刚刚开始。
|有关产品化的思考

当然,要把学术界的成果应用到工业界其实并不是一件容易的事情。我们做机器学习的都知道一个著名的定理叫No Free Lunch Theorem,它说的就是,我们并不可能找到对所有问题都最优的算法。在ImageNet数据集上表现最好的算法,在工业级庞大、复杂、多变的数据上并不一定就会表现好。所以我们也根据各个客户数据分布的不同做了很多特定的优化。比如我们在为映客提供审核服务,直播场景本身就非常多样和复杂,我们发现当直播视频界面出现大量用手机或者电脑等电子产品播放另一个界面的内容,相对整个图片来说,内容呈现部分所占比例很小且十分模糊、不明显,当出现色情、暴恐等不良信息的时候,人工以及标准化的审核模型难以精准识别,误判、漏判的概率较高。于是我们需要针对这个问题具体优化,针对画中画的数据再做识别,然后再调用普通的审核模型。雷锋网雷锋网
图普的产品目前已经在多个行业领域取得很好的应用,但它们暂时只能在一定程度上减少大部分审核人力,无法完全替代人工。这一轮融资过后,我们将加大在服务和计算能力方面的投入,提升产品运行速度和鲁棒性;在算法方面,继续提高图像识别准确率和召回率,我们的愿景是完全解放审核人力,我们也将往审核之外的其他方向扩张业务,如人脸识别,增强现实等,提供更直接,高效和多样化的任务。
" width="280" height="200" alt="AI 如何助你成为“画家”|雷锋网公开课" >AI 如何助你成为“画家”|雷锋网公开课
近日开发商The Astronauts为黑暗幻想FPS游戏《巫火》放出了新截图,展示了游戏场景以及光影效果。一起来看看吧!
《巫火》采用虚幻4引擎打造,同时搭配摄影测量技术。这是一款强调技巧挑战的FPS,不会强调剧情故事。游戏存在背景设定供玩家探索和解密,但整个游戏流程并不会以剧情驱动。

游戏受《斩妖除魔》(Painkiller)启发,玩家需要与众多黑暗怪物战斗,同时还有艰难的Boss战等。游戏预计于2020年发售。
" width="280" height="200" alt="《巫火》最新截图公布 暗黑风FPS游戏" >《巫火》最新截图公布 暗黑风FPS游戏