厨房中的激战2电视剧:金禄电子(301282.SZ)：拟斥资3000万元-5000万元回购股份

"厨房中的激战2电视剧",金禄电子(301282.SZ)：拟斥资3000万元-5000万元回购股份,丹麦宣布停止对“北溪”事件调查，俄方回应：荒谬

"厨房中的激战2电视剧",恩捷股份(002812.SZ)：隔膜产品可应用于三元锂电池、磷酸铁锂电池等,深交所对合力泰下发关注函

"厨房中的激战2电视剧",欧股开盘涨跌不一欧洲斯托克50指数跌0.21%

厨房里的激战2精彩情节故事简介

青柠影院在线播放免费观看

灭火宝贝2010美版免费版

厨房里的激战2李明人物介绍

青柠影院手机免费观看

青柠影院免费版在线观看HD

小小水蜜桃视频在线观看视频

厨房中的激战2电视剧:“狼嚎”烟花让男孩丧命，悲剧背后我们该警醒什么？,他又给马斯克发难：“星盾”在台湾停运，给个说法,也门胡塞武装称引入“水下武器”打击红海目标

"厨房中的激战2电视剧",　　华福证券指出，无论在视频保真度、分辨率、文字理解等方面，Sora都做到了业内领先水平，此外当Sora训练的数据量足够大时，它也展现出了一种类似于涌现的能力，使视频生成模型具备了类似于物理世界通用模拟器的潜力。　　要点：Sora横空出世引领多模态产业革命。美国时间2月15日，文生视频大模型Sora横空出世，能够根据文本指令或静态图像生成1分钟的视频。其中，视频生成包含精细复杂的场景、生动的角色表情以及复杂的镜头运动，同时也接受现有视频扩展或填补缺失的帧。总体而言，不管是在视频的保真度、长度、稳定性、一致性、分辨率、文字理解等方面，Sora都做到了业内领先水平，引领多模态产业革命。此外，当Sora训练的数据量足够大时，它也展现出了一种类似于涌现的能力，从而使得视频生成模型具备了类似于物理世界通用模拟器的潜力。拆解视频生成过程，技术博采众长或奠定了Sora文生视频领军地位。从技术报告中，Sora视频生成过程大致由“视频编码+加噪降噪+视频解码”三个步骤组成，视频压缩网络、时空patches、transformer架构、视频数据集等技术与资源在其中发挥了重要作用。视频压缩网络：过往VAE应用于视频领域通常需插入时间层，Sora从头训练了能直接压缩视频的自编码器，可同时实现时间和空间的压缩，既节省算力资源，又最大程度上保留视频原始信息，或为Sora生成长视频的关键因素，并为后续处理奠定基础。时空patches：1）同时考虑视频中时间和空间关系，能够捕捉到视频中细微的动作和变化，在保证视频内容连贯性和长度的同时，创造出丰富多样的视觉效果；2）突破视频分辨率、长宽比等限制的同时显著提升模型性能，节约训练与推理算力成本。Transformer架构：1）相比于U-Net架构，transformer突显ScalingLaw下的“暴力美学”，即参数规模越大、训练时长越长、训练数据集越大，生成视频的效果更好；2）此外，在transformer大规模训练下，逐步显现出规模效应，迸发了模型的涌现能力。视频数据集：Sora或采用了更丰富的视频数据集，在原生视频的基础上，将DALL?E3的re-captioning技术应用于视频领域，同时利用GPT保障文字-视频数据集质量，使得模型具有强大的语言理解能力。　　Sora引领多模态革命，技术与资源突显优势　　1.Sora横空出世，引领多模态产业革命　　美国时间2月15日，文生视频大模型Sora横空出世，能够根据文本指令或静态图像生成1分钟的视频。其中，视频生成包含精细复杂的场景、生动的角色表情以及复杂的镜头运动，同时也接受现有视频扩展或填补缺失的帧。　　总体而言，不管是在视频的保真度、长度、稳定性、一致性、分辨率、文字理解等方面，Sora都做到了业内领先水平，引领多模态产业革命。此外，当Sora训练的数据量足够大时，它也展现出了一种类似于涌现的能力，从而使得视频生成模型具备了类似于物理世界通用模拟器的潜力。　　2.Sora视频生成过程：视频编码+加噪降噪+视频解码　　从技术报告中，Sora视频生成过程大致由以下三个步骤组成：视频编码：VisualEncoder将原始视频压缩为低维潜在空间，再将视频分解为时空patches后拉平为系列视频token以供transformer处理。加噪降噪：在transfomer架构下的扩散模型中，时空patches融合文本条件化，先后经过加噪和去噪，以达到可解码状态。视频解码：将去噪后的低维潜在表示映射回像素空间。　　总体而言，我们认为Sora技术报告虽未能详尽阐述视频生成技术细节，但从参考技术文献中，可初步窥探出时空patches、视频压缩网络、Transformer技术架构、独特文本标注视频数据集等技术与资源优势，这些或为Sora占据业内领先地位的原因。　　博采众长，Sora技术开拓创新　　3．视频压缩网络实现降维，或为长视频生成基础　　OpenAI训练了降低视觉数据维度的网络，该网络接受原始视频作为输入，并输出在时间和空间上都被压缩的潜在表示。Sora在这个压缩的潜在空间上进行训练，并随后生成视频。与之对应，Sora训练了相应的解码器模型，将生成的潜在表示映射回像素空间。　　压缩网络本质上是将高维数据映射至低维空间，低维空间中每个点通常对应原始高维数据的潜在表示，在复杂性降低和细节保留之间达到最优平衡点，实现提升视觉保真度的同时降低算力资源消耗的作用。　　VAE为图片生成领域的常见图片编码器，应用到视频领域则需要加入时间维度以形成视频框架。例如，2023年发布的VideoLDM通过将视频拆解为每一帧，之后插入时间对齐层，从而实现了视频生成。　　Sora从头训练了能直接压缩视频的自编码器，既能实现空间压缩图像，又能在时间上压缩视频。我们认为，在时空维度上压缩视频，既节省了算力资源，又最大程度上保留视频原始信息，或为Sora生成60s长视频的关键因素，并为后续时空patches和transfomer架构处理奠定基础。　　4.1时空patches统一视频分割，奠定处理和理解复杂视觉内容的基石　　Sora借鉴LLM中将文本信息转化为token的思路，针对视频训练视觉patch，实现视觉数据模型的统一表达，实现对多样化视频和图像内容的有效处理和生成，之后通过视频压缩网络分解为时空patches，允许模型在时间和空间范围内进行信息交换和操作。　　从Sora技术报告来看，时空patches或借鉴ViViT操作。　　ViViT借鉴ViT在图片分割上的思路，把输入的视频划分成若干个tuplet，每个tuplet会变成一个token，经过spatialtemperalattention进行空间和时间建模获得有效的视频表征token。　　传统方法可能将视频简单分解为一系列连续的帧，因而忽略了视频中的空间信息，也就是在每一帧中物体的位置和运动。我们认为，由于连续帧存在时空连续性，Sora的时空patches可同时考虑视频中时间和空间关系，能够更加精准生成视频，捕捉到视频中细微的动作和变化，在保证视频内容连贯性和长度的同时，创造出丰富多样的视觉效果，灵活满足用户的各种需求。　　4.2Sora时空patches突破视频长宽比、分辨率等限制　　OpenAI表示，过去的图像和视频生成方法通常会将视频调整大小、裁剪或修剪为标准尺寸，而这损耗了视频生成的质量。例如，ViT通常需要将图像调整为固定的分辨率与尺寸进行处理，并仅能分解为固定数量的patches，因而限制了灵活处理不同尺寸、分辨率视频的建模。　　Sora或借鉴谷歌NaViT中“Patchn’Pack”的方法，在训练效率、模型适应性和推理灵活性等方面具有显著优势。1）允许从不同图像中提取多个patch打包在一个序列中，从而实现可变分辨率并保持宽高比。2）NaViT相比ViT具有较高计算性能。例如，使用四倍少的计算量，NaViT到达顶级ViT的性能。此外，NaViT可以在训练和微调过程中处理多种分辨率的图像，从而在各种分辨率下都能表现出优秀的性能，在推理成本方面给NaViT带来了显著的优势。　　我们认为，经过patch化之后，Sora无需对数据进行裁剪，就能够对不同分辨率、持续时间和长宽比的视频和图像的原始数据进行训练，既极大程度上利用原始信息保障生成高质量图片或视频，又显著提升模型性能，节约训练与推理算力成本。　　根据技术报告，Sora在原视频训练有以下优势：采样灵活性：Sora可以采样宽屏1920x1080p视频、竖屏1080x1920视频以及介于两者之间的所有格式。这使得Sora能够直接按照不同设备的原生宽高比创建内容。它还允许在使用同一模型生成全分辨率内容之前，快速原型化较小尺寸的内容。改进的构图和画面组成：将Sora与一个版本的模型进行了比较，该模型将所有训练视频裁剪成正方形。在正方形裁剪上训练的模型有时会生成主体只部分出现在视野中的视频。相比之下，来自Sora的视频具有改善的取景。　　4.3Transformer架构突显ScallingLaw的“暴力美学”　　扩散模型定义了扩散步骤的马尔科夫链，先通过向真实数据添加随机噪声，后反向学习扩散过程，从噪声中构建所需数据的样本，逐步降噪输出图片或视频。其中，U-Net为扩散模型的重要架构之一，通过训练U-Net预测噪声，逐步去噪后输入结果。　　U-Net为卷积神经网络模型（CNN），在视频生成领域存在需裁剪数据与额外引入时间层等缺陷。1）卷积神经网络由于架构限制，存在分辨率与长宽比约束，输入与输出的结果均需调整至标准化大小，可能产生性能损失与效率低下等问题。2）U-Net的去噪模型在处理视频数据时，需额外加入一些和时间维度有关的操作，比如时间维度上的卷积、自注意力。在该过程涉及到时间注意力块嵌入位置问题，因而或较难处理长视频较多帧数的时间嵌入。　　OpenAI在2020年首次提出了模型训练的秘诀——ScalingLaw。根据ScalingLaw，模型性能会在大算力、大参数、大数据的基础上像摩尔定律一样持续提升，不仅适用于语言模型，也适用于多模态模型。　　Sora替换U-Net为DiT的transformer作为模型架构，具有两大优势：　　1）transformer可将输入视频分解为3Dpatch，类似DiT将图片分解为图块，不仅突破了分辨率、尺寸等限制，而且能够同时处理时间和空间多维信息；　　2）transformer延续了OpenAI的ScalingLaw，具有较强的可拓展性，即参数规模越大、训练时长越长、训练数据集越大，生成视频的效果更好。例如，Sora随着训练次数的增加，小狗在雪地里的视频质量显著提升。　　U-Net为扩散模型主导架构，主要系Transformer中全注意力机制的内存需求会随输入序列长度而二次方增长，高分辨率图像处理能力不足。在处理视频这样的高维信号时，这样的增长模式会让计算成本变得非常高。然而，我们认为，OpenAI背靠云计算资源，具有较强的算力禀赋支持其再次打造“ChatGPT”时刻的Sora，此外通过视频网络空间降维技术可起到节约算力资源的作用，进一步促成Sora的成功与巩固OpenAI的龙头地位。　　4.4Sora在Transformer大规模训练下涌现模拟能力　　Sora在大规模训练的“暴力美学”下，未经过明确的3D、物体等归纳信息的训练，逐步显现出规模效应，迸发了模型的涌现能力：3D一致性：Sora能够生成具有动态相机运动的视频。随着相机的移动和旋转，人物和场景元素在三维空间中保持一致地移动。长距离连贯性和物体持久性：Sora通常能够有效地建模短距离和长距离依赖关系。例如，即使在人、动物和物体被遮挡或离开画面时，也能持续保持它们的存在；在单个样本中生成同一角色的多个镜头，并在整个视频中保持其外观。与世界互动：Sora有时可以模拟一些简单的动作来影响世界的状态。例如，画家可以在画布上留下随时间持续存在的新笔触，或者一个人可以吃一个汉堡并留下咬痕。模拟数字世界：Sora可以在同时控制《我的世界》中的玩家采用基本策略的同时，还能以高保真度渲染世界及其动态。　　4.5数据来源或更为丰富，视频重标注技术展示强大语言理解能力　　缺乏丰富的视频数据集以及如何对视频标注文本为文生视频的主要难点之一。从流行的Gen-2、EmuVideo等应用来看，这些模型通常先利用CLIP技术训练生成文本-图像对，之后加入时间层对视频进行标注，因而或许面临视频数据质量保证问题。　　Sora训练数据集具有如下特点：数据来源或更为丰富。Sora技术报告未披露训练数据的详细情况，而我们认为从其涌现能力表现来看，Sora在训练数据中或许容纳了众多电影、纪录片、甚至游戏引擎等合成数据。原生视频处理。不对视频/图片进行裁剪等预处理，从而保证Sora生成的灵活性。Sora建立在过去DALL?E3和GPT模型的研究基础之上，构建视频re-captioning，使得模型具有强大的语言理解能力。原始的文本可能并不能很好的描述视频，可以通过re-captioning的方式为视觉训练数据生成高度描述性的字幕。因此，该模型能够在生成的视频中更忠实地遵循用户的文字提示。本文节选自华福证券《Sora技术深度解析》，施晓俊（执业证书编号：S0210522050003）　　风险提示及免责条款　　市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。股市回暖，抄底炒股先开户！智能定投、条件单、个股雷达……送给你>>海量资讯、精准解读，尽在新浪财经APP

"厨房中的激战2电视剧",来源：环球人物她曾被视为“平衡事业与家庭的典范”。作者：尹洁几天前，美国名校加州大学伯克利分校发生了一件悲剧：年仅19岁--**--　　来源：环球人物　　她曾被视为“平衡事业与家庭的典范”。　　作者：尹洁　　几天前，美国名校加州大学伯克利分校发生了一件悲剧：　　年仅19岁的大一新生马可·特罗珀（MarcoTroper），被发现死在了学校宿舍里，死因是服药过量。　　对美国人来说，因滥用药物导致身亡并不是新鲜事。仅从2022年3月到2023年3月，美国就有11万人因药物过量而丧命。　　但特罗珀的死亡引发了美国舆论的热议，尤其是所谓的“精英圈”反应更大，因为特罗珀的母亲正是号称“谷歌之母”的苏珊·沃西基。　　“学霸人生”，飞来横祸　　众所周知，美国有很多“名流家族”，有的世代从政，有的世代从商，有的世代从艺，而沃西基家族则是世代从“科”，科学的科。　　哈佛大学毕业的苏珊·沃西基，是这个家族里名气最大的一个，当然，她的父母和两个妹妹也都是“学霸”——　　父亲斯坦利·沃西基，斯坦福大学波兰裔物理学家；　　母亲埃斯特·沃西基，俄罗斯—犹太裔教育家，被美国媒体誉为“硅谷教母”；　　大妹妹詹妮·沃西基，斯坦福毕业，人类学博士和流行病学家；　　小妹妹安妮·沃西基，耶鲁大学毕业，生物学家，基因技术公司23andMe的联合创始人，也是谷歌创始人谢尔盖·布林的前妻。·沃西基全家福。后排左一为苏珊。　　作为沃西基家族的第三代成员，马可·特罗珀在美国人眼中是含着金汤匙出生的，他的人生本来有无限可能。　　然而，这个年轻人刚刚开始自己的大学第二学期的生活，就意外身亡，只留给家人无限悲痛。·马可·特罗珀。　　据加州大学伯克利分校的发言人透露，特罗珀是在当地时间2月13日下午4时23分左右，被校方发现“在宿舍内失去反应”的，目前没有谋杀的迹象，警方对死亡的调查正在进行中。　　作为特罗珀的外祖母，埃斯特·沃西基在14日向外界确认了外孙去世的消息，并称他是“最善良、有爱、聪明、有趣和美丽的人”。　　在埃斯特　　·沃西基的描述中，特罗珀非常热爱数学，主修数学专业，学习也很努力，同时，她也透露了他的死因，“他服下了一种药物，但我们不知道那药里有什么”。·埃斯特·沃西基在社交媒体上发布的悼念图文。　　虽然校方采取了急救措施，但未能挽回特罗珀的性命。埃斯特·沃西基表示，这件事让整个家族悲痛欲绝，全家正在等待毒理学检测报告的最终结论。这也暗示了特罗珀有可能死于毒品。　　受到打击最大的，莫过于作为母亲的苏珊·沃西基了。对她来说，过去的一年可谓流年不利。　　2023年2月16日，苏珊宣布辞去谷歌旗下YouTube网站CEO职务。当时，她已掌管这家全球著名视频网站近10年时间。·苏珊·沃西基曾在YouTube网站担任CEO多年。　　虽然谷歌近年来因缺乏活力而屡遭诟病，广告收入也持续下滑，但苏珊的离去还是令外界感到惋惜。　　财经作家崔传刚对环球人物记者表示：“在男性科技精英占主导地位的硅谷，苏珊·沃西基在任何方面都毫不逊色——谷歌公司诞生在她家车库里，她自己也从英特尔跳槽到谷歌，成为初创员工。而且正是她提议谷歌收购了YouTube，并担任CEO，成功打造出全世界最重要的视频平台之一。”　　辞职时，苏珊给出的理由是要更多地关注家庭、健康以及自己感兴趣的事情。那时，人们不会想到她的孩子会有什么意外发生，因为在外界眼中，苏珊一直是“事业与家庭两不误”的典范。　　“完美人生”，并不存在　　出生于1968年的苏珊·沃西基，一共生了5个孩子。　　31岁，她怀第一个孩子时，从英特尔跳槽到谷歌，完成了事业的第一次跨越；46岁，她怀最小的孩子时，成为YouTube的CEO，完成了事业的第二次跨越。·苏珊和丈夫丹尼斯·特罗珀。　　回忆起自己加入谷歌、成为第十六名员工的情形时，苏珊说：　　“当时我怀孕5个月，刚刚买了一栋房子，还有其他贷款，每个人都说：‘你为什么要加入一个搜索引擎？它不会成功，因为已经有太多的搜索引擎了。’但我认为谷歌提供的是一种无与伦比的信息查找能力。它让我想起了大学的使命，为人们提供学习资源，通过学习和获取信息来增强自己的能力。”　　这种能力正是学文科出身的苏珊在科技精英云集的硅谷获得成功的法宝之一。　　孩童时代，苏珊的理想是成为一名艺术家；本科时期，她在哈佛学习历史和文学。但同时，苏珊的商业头脑也非常出众——她从小就喜欢编织一种香料绳，然后拿去卖；读完文史专业后，她又在加州大学的两所分校分别攻读了经济学硕士和工商管理硕士学位。　　苏珊原本打算从事学术道路，但她发现互联网正在崛起，于是改变了计划。　　“读大四时，我决定上第一堂计算机科学课。我的整个童年都是关于艺术的，直到大四时，我才意识到电脑和软件可以让你制作内容，我看到了它的创造性。”　　大学毕业后，苏珊进入英特尔做市场营销。有一天，一位朋友将拉里·佩奇和谢尔盖·布林介绍给她——这两个年轻人正在创业，需要一个租金便宜的地方，于是苏珊将自己家的车库租给了他们。·拉里·佩奇（左）和谢尔盖·布林。　　这是一个双赢的选择。当时苏珊和丈夫手头拮据，租金改善了他们的生活，同时也促成了谷歌的诞生。　　1999年，苏珊正式加入谷歌，负责广告业务。她带领团队开发了“谷歌侧边广告”，仅这一项产品，就为公司带来了年均140亿美元的收入。　　加上其他广告产品，苏珊负责的业务一度占谷歌总营收的90%以上，她因此被外界称为“谷歌女财神”“硅谷最有权势的女性”“平衡事业与家庭的典范”。　　然而，世界上并没有完美人生，无论事业还是家庭。　　在谷歌的巅峰期，苏珊的“完美人生”是由很多因素促成的，比如搜索引擎的风口让她的事业顺风顺水，但当风口开始衰退，工作压力变大，要继续维持事业与家庭的平衡，对一位女性CEO来说就很不容易了。　　2019年，YouTube上的某些视频遭到美国舆论抨击，因为存在教唆儿童自杀的内容，还有一些视频是怪诞、宣扬仇恨或暴力的。批评者认为苏珊未能尽职遏制种族主义、极端主义、白人至上主义视频的传播。　　另一方面，谷歌在经历了十几年风光后，开始步入相对艰难的阶段——新业务拓展乏力、营收下滑，尤其是随着人工智能的崛起，不断有新的竞争对手出现，谷歌显得越来越被动。　　在短视频领域，近年来TikTok对YouTube构成了强势竞争，不管是内容、广告还是用户数量，YouTube都难以维持昔日霸主地位。　　“随着TikTok等短视频应用的崛起，YouTube这种传统视频网站的流量和收入都受到很大影响。苏珊辞职前，YouTube的广告营收已经连续两个季度下滑。她选择辞职，也确实可能想把更多精力放在家庭上。或许，当时她已经意识到自己的孩子出现了某些不好的端倪。”崔传刚说。·TikTok等短视频应用对YouTube构成很大冲击。　　“自由人生”，得有底线　　有人曾问苏珊：你会让自己的孩子看YouTube上的视频吗？　　苏珊说，她的孩子们会看，但看的是专为年幼孩子设计的儿童版YouTube，而且观看时长也受到限制。　　“保持平衡是很重要的，”苏珊说，“对我来说，重要的是让孩子们学会如何负责任地管理自己。我会和他们谈论互联网上的安全问题，同时找到一种管理屏幕时间的方法，并与其他活动保持平衡。”　　苏珊透露，她有时会把孩子们的手机“没收”，尤其是在全家度假的时候，“因为我想让大家互相交流”。　　但她同时承认，当孩子上高中后，再想管理他们就变得很难了，“对于那些即将上大学的孩子，在这个阶段，你对他们没有任何控制力。”　　一语成谶。特罗珀的意外身亡验证了苏珊的话。　　崔传刚则认为，特罗珀的悲剧反映了美国社会的深层问题。　　“这个孩子在加州伯克利主修数学，应该是智商比较高的。他为什么会嗑药？是因为精神压力大，还是好奇心驱动，还是偶然因素导致悲剧？目前无从得知。但无论如何，这反映出美国的药物滥用问题已经到了非常严重的地步。美国青少年现在面对的‘诱惑’，不仅是各类药物和毒品，还有枪支暴力、色情，等等。”·美国街头的瘾君子。　　在美国标榜的“自由”中，有很多灰色地带，包括一些在其他地区属于“黄赌毒”的行为，也是被美国法律所允许的。在面对这些“诱惑”时，成年人还有一定的判断力，青少年却更容易走上歧路。　　崔传刚认为，美国青少年嗑药的原因多种多样，比如寻求刺激、学业压力、周围人的不良影响……但根源还是美国社会容忍甚至纵容各类毒品的存在甚至大行其道。　　“在美国的许多州，吸食某些毒品是合法的，当地政府给出的理由是：反正你们要吸，我也禁不住，那么不妨把它变成一门可以收税的生意。与此同时，美国不少‘社会学家’‘经济学家’‘心理学家’也会出来帮腔，说堵不如疏，将灰色地带合法化就可以减少警察的抓捕压力，监狱也不用关那么多人了，政府还能省钱。”　　然而，“黄赌毒”产业无法像真正的劳动行业一样创造社会财富，人类社会的发展也不可能建立在灰色地带之上。　　“在美国，过量吸食毒品或者类似药物的人日渐增加，大众也见怪不怪了，只是因为这次死亡的是谷歌前高管的孩子，是亿万富豪家的孩子，才引起了这么多的媒体关注。”崔传刚说，“其实美国政府也很头疼，但确实没能力解决，于是他们经常拿这些问题指责中国，说是中国向他们输出了违禁药品，这更是让人啼笑皆非的事情。”

"厨房中的激战2电视剧",
作者：鱼玉荣

诚迈科技(300598.SZ)：拟斥资1000万元-2000万元回购股份

"厨房中的激战2电视剧",金禄电子(301282.SZ)：拟斥资3000万元-5000万元回购股份,真我12Pro系列明天发徐起：中端质价比之王,德国央行：德国经济可能陷入技术性衰退,菲总统启程访美：将优先事项是寻求扩大“经济接触”,安纳达(002136.SZ)：控股股东将变更为万华电池、实控人将变更为烟台市国资委

"厨房中的激战2电视剧",以军轰炸加沙北部和南部造成至少48人死亡

"厨房中的激战2电视剧",
总监制：营冰烟

监 制：定松泉

主 编：吉英新

编 审：第洁玉

（文章未经授权不得转载。）