与「RGB」相关的搜索结果

好莱坞著名影星本·阿弗莱克（Ben Affleck）讲起 AI 来，居然头头是道，各种专业名词随手拈来。 在 GQ 这段访谈里，他从卷积神经网络、Transformer、张量，一路聊到反向传播、注意力层、感知机、推理，以及随机性计算和确定性计算的区别。中间还穿插着 Python、GPU、边缘检测、特征提取、训练数据标注。主持人听到一半忍不住打趣：谢谢你这样跟我讲，仿佛我真的听得懂。 他是怎么走到这一步的？ 按他自己的讲述，他从小就喜欢电脑。后来电影制作从胶片转向数字，他开始更深入地接触技术。在创办 Artists Equity 之前，他还经营过一家小型视觉特效公司，经常接触 GPU 和机器学习。 他学 AI，是从电影里的画面怎么处理开始的。一帧图像可以表示成张量，里面包含帧编号、每个像素的 RGB 数值等信息。通过卷积神经网络识别边缘、提取特征，就能判断窗台在哪里，帮助绿幕抠像、替换背景。他也会自己写 Python 脚本，不过按他自己的评价，编程水平挺烂的。 后来，特效团队告诉他，Google 和 OpenAI 正在用 Transformer 做一些很有意思的视频技术。他就直接联系这些公司，问能不能去看看。 第一次看到生成视频的效果，他受到的冲击很大，马上给马特·达蒙打电话，觉得他们的职业可能要完了。一度甚至想着，趁现在赶紧把还能拍的电影拍完。 但他没有停留在这个震撼里。接下来，他又和工程团队坐下来，研究训练数据、标注方式，以及这些系统到底能控制到什么程度。 他发现，生成出来的画面虽然逼真，但控制性和一致性仍然存在问题。你要求移动摄像机，模型有时会直接在画面里生成一台摄像机。对普通观众来说，一段惊艳的视频可能已经足够；但对电影制作来说，镜头、场景和连续性都得能够按照创作者的意图精确调整。 研究数据的过程中，他觉得技术团队忽略了一件事：电影拍摄本身就能产生大量有组织的原始数据。与网上抓取的压缩视频相比，专业拍摄流程里还有很多可以主动采集、组织和利用的信息。 于是，他拿出资金，另外成立了一家公司，花了好几个月构建自己的数据集。按他的描述，团队使用大量摄像机、激光雷达和定位设备，结合 Unreal 引擎与虚拟摄影棚，采集用于 AI 图像生成的数据。他随后招募了工程师、推理专家、数据架构师和视觉特效人员，把这件事继续做下去。 他特别在意训练数据的来源。拿同行的作品训练模型，再告诉对方模型的部分能力来自他们的创作，他觉得不舒服。他希望通过自己制作数据，减少对这类素材的依赖，也让电影人对使用这些工具更安心。 这家公司就是 InnerPositive，现在已经被 Netflix 收购。能看出来的是，他已经真正参与到数据、技术团队和产品用途的讨论里，而不只是为公司挂个名字。 他对当今最热门的话题 AI 安全也有自己的看法。他不认同 AI 必然变成“天网”、接管世界的说法，但很警惕把不可预测的系统放进涉及人生死的决策中，比如武器目标选择、自动安保。 他的理解是，我们过去习惯了像计算器一样工作的电脑，期待它每次都给出确定的结果。生成式 AI 的工作方式不同，输出具有随机性，不能因为它经常表现得很好，就把关键控制权交给它。 至于创作者对 AI 的恐惧，他觉得完全可以理解。一个人被告知自己的饭碗即将被取代，当然会担心。科技公司一边宣称要消灭大量工作，一边又期待大家热情拥抱自己的产品，这本身就很难说得通。 他还提出了一个判断未来预测的方法：先看看这个人过去的预测，究竟兑现了多少。宣布人类即将完蛋，很容易获得关注；真正把工具做得可控、让使用者放心，需要更具体的工作。 他还把 AI 安全落到了公司的责任上：如果你的产品伤害了别人，公司就得承担法律责任。在他看来，这是约束这场技术竞赛的重要力量。企业有动力不断提升能力、抢市场、赚更多钱，也必须为产品造成的后果负责。

参与一下 Genesis @RGBHorse 开发者 @julnweber DarkHorse 是比特币原生 RGB Launchpad + Swap 现在招 300 个早期伙伴 每季平台利润 10% 拿出来分给他们 活动： 发一条你对 RGB 潜力的原创看法 @RGBHorse 并在他们帖子里回复链接 48 小时截止 按内容质量和传播度选 1 个 Genesis Partner 流程： 1. 打开 @RGBHorse 最新那条 Genesis 帖 2. 写好你的原创内容发出去 3. 回复链接进去 4. 等后续 网址 电报 邀请 比特币链上的RGB资产发行和交易的平台 暂时还没有开 具体开放时间没有明说 填一下 留意后续 同样也是一个BTC台子来着

October has entered the chat. 👀🟠💚 Welcome to Uptober. September left us with quite a few pieces of the RGB puzzle: 🟢 RGB v0.11.1 core libraries moving beyond the RC stage ⚡ RGB Lightning integrated into Tether’s WDK 💵 UniSat announced as the next launch partner for USDT on Bitcoin 🧑‍💻 Agentic Dollars on Bitcoin hackathon coming to Turin 🏦 Stablecoin Summit coming to Lugano And somewhere in the background, the biggest story keeps getting louder: USDT is coming home to Bitcoin. 🟠 RGB is no longer just about an idea on a roadmap. The ecosystem is building wallets, infrastructure, Lightning rails, stablecoin applications and new assets around Bitcoin. But an ecosystem also needs its OGs. 🐸 PPRGB has been here through the early RGB journey, alongside other community-born RGB assets. Now October begins with a very interesting question: What happens when fresh liquidity, new applications and new RGB assets start meeting the OG community? New month. New builders. New assets. New experiments. Same Bitcoin. Same RGB. Bigger playground. 🌱 Let’s see what this Uptober has in store. And yes… I’m still watching that little frog. 🐸💚 PPRGB, fly higher. Fly farther. Maybe further than we expected. 🚀🌙

Ecosystem Spotlight: @kaleidoswap can bring RGB assets to Liquid sidechain. A Simplicity covenant makes Liquid consensus reject any spend of an RGB seal without an RGB commitment. A proof of concept worth studying. Read more in the article:

兄弟们好东西来了， Qwen-Image-2.1 社区无审查 GGUF 版放出了， 安全拦截全部下线，懂的都懂。 而且作者搞了一套极度聪明的切分跑法，文本编码放 CPU，主模型进 GPU，生成几乎不降速，显存立省 9 到 17G，直接把本地出图的门槛焊死在平民卡上。 平时在各种在线平台跑图，最搞心态的就是动不动弹窗拒识或者直接给你涂黑一张图。 这个版本最爽的地方就在于把内置的安全拦截全拔了，提示词不设防，敏感内容和成人画面直接放行出图。完全是在自己电脑本地离线跑，彻底摆脱外部干预。 更绝的是它的显存优化方案。以往跑这类大底座，动不动就得吃掉 20 多 G 显存，平民显卡直接当场劝退。这次作者在 ComfyUI 里的解法极其优雅：把极其吃显存的 8B 文本编码器直接甩到电脑普通内存去跑，显卡只负责吞下 7B 的视觉生成主模型。 因为文本编码在整个出图过程中只在最开头执行一次，后续几十步的扩散迭代完全在显卡里跑， 所以这么切分不仅几乎不拖慢出图节奏，还能凭空帮显卡省出 9 到 17GB 显存。手头只有 8G 到 12G 显存的甜品卡，也能在本地顺畅跑完 2K 分辨率的大图。 除了省显存，工作流也是直接大瘦身。以前在本地搭一套能用的生图流程，先文生图，再换重绘模型修细节，最后还得外挂抠图插件去背景，工作流连线密密麻麻像盘丝洞。 Qwen-Image-2.1 直接把文生图和图像编辑焊进同一个模型里，而且原生自带 64 通道 RGBA 输出，在提示词里指定透明背景就能直接吐出带透明通道的切片素材，抠图节点全都可以删掉了。 另外它最多能吃 10 张参考图。最实用的场景就是多人合影：直接把 6 个人的单独大头照喂进去，模型能一次性合成出一张光影相互反射、透视完全协调的多人自然大合照，彻底告别以往硬拼贴的僵硬感。画面质感上的提升也很扎实，中英文字排版不再扭曲画符，皮肤质感、毛发细节和真实光影过渡非常自然，完全摆脱了早年那种油腻腻的塑料感。 既有不设限制的纯粹自由，又有极致省显存的工程优化。手头有平民卡又想折腾本地高质量出图的老哥，这波直接冲就完事了。 模型和实测避坑放在一楼。