成都公交车身广告：让你看见五彩缤纷的城市！
成都公交车身广告：让你看见五彩缤纷的城市！
一、成都公交车身广告的背景
随着社会的发展，广告已经成为一个成熟的行业，在我们的日常生活中无处不在。尤其是在城市交通领域，广告投放也越来越多样化、个性化。成都作为中国西南地区的商业中心，旅游目的地和文化名城，公交车身广告已经成为成都公交公司的主要广告投放方式。这种广告形式将商家和产品推向公众视线的同时也为城市的形象提升做出了积极的贡献。
成都公交车身广告从最初的简单文字广告，到后来的图文并茂，再到现在的视频广告，不断地刷新着我们的视觉体验。通过吸引消费者的眼球，广告产生了显著的促销效果，让广告主获得了可观的商业利益。同时，公交车身广告也成为了一种城市文化，它为市民们提供了一种富有特色的城市观赏方式。
二、成都公交车身广告的特点
成都公交车身广告的特点是多样化、个性化、创意性和互动性。在尊重广告主的宣传需求的基础上，公交车身广告也可以多样化的表现出不同的创意形式，比如：文字、图像、视频、互动游戏等。这种多样化的表现方式可以让广告更好地吸引消费者的眼球，产生更好的营销效果。同时，公交车身广告的个性化和创意性，也可以为城市注入更多元化、更富有创意的气息。
成都公交车身广告的互动性也是其一个显著的特点。随着移动互联网的发展，公交车身广告也越来越多地与手机等移动设备互动。比如在公交车上看到一个二维码，扫描二维码可以进入商家的官网或进行交互式游戏。这种互动式广告，可以更好地吸引消费者的注意力，从而提高广告的转化率。
三、成都公交车身广告的现状与未来
目前，成都公交车身广告市场仍处于高速增长期，与其他大城市相比，在成都投放广告的成本仍然较低。同时，成都的公交车辆数量也在不断增长，车辆更新速度快，这给公交车身广告的推广提供了更多机会。未来，随着成都经济的不断发展和城市形象的提升，公交车身广告必将会进入一个更加多元化、个性化和互动化的时代。
随着人工智能技术的发展，未来的公交车身广告或许将会更加智能化。比如：根据车上乘客的性别、年龄、职业等信息，精准投放广告，从而提高广告转化率。同时，智能化的广告还可以通过大数据技术对广告效果进行评估，让广告主更好地了解广告的投放效果。
四、成都公交车身广告的意义
成都公交车身广告不仅仅是一种商业的广告投放方式，更是城市形象宣传的重要手段。通过让市民和游客看到五彩缤纷的成都城市，公交车身广告可以为城市注入更多的文化气息。同时，公交车身广告还可以提高市民的生活品质，让市民在公共交通出行的同时，也可以享受到文化的盛宴。
成都公交车身广告的意义不仅在于商业效益，更在于它为城市文化的建设做出了贡献。作为一个富有文化底蕴的城市，成都公交车身广告的出现，为我们展现了成都城市文化独特的艺术魅力。
问答话题
1. 成都公交车身广告的种类有哪些？
成都公交车身广告的种类包括文字广告、图文广告、视频广告、互动式广告等。其中，互动式广告是在移动互联网技术的支持下，让广告更具有互动性和灵活性，能够更好地吸引消费者的眼球。
2. 成都公交车身广告的未来发展趋势是什么？
随着人工智能技术和大数据技术的发展，成都公交车身广告的未来发展趋势将越来越多元化、个性化和智能化。未来的公交车身广告或许会根据车上乘客的性别、年龄、职业等信息，精准投放广告，从而提高广告转化率，同时还可以通过大数据技术对广告效果进行评估。
成都公交车身广告：让你看见五彩缤纷的城市！特色
1、00%正品保障商城，这里所有商品都可以保证00%正品，用户购物更放心；
2、可以灵活运用流行贴纸特效滤镜等材质，做出精美的图片；
3、多种业务在线办理
4、海量丰富的游戏福利领不完，不肝不氪也能轻松变强。
5、表情贴纸：支持多套个性化表情,大小,位置的自由变化,更有gif动态图可供添加哦。
成都公交车身广告：让你看见五彩缤纷的城市！亮点
1、丰富多样的游戏任务，每天完成之后就可以收获到各种意想不到的惊喜。
2、游戏当中玩家还可以邀请自己的好朋友和自己一起来玩耍。
3、科幻题材的战斗冒险玩法，玩家们将创建自己的小队进行冒险；
4、在你拥有众多的财富之后，你将要如何去发挥那些财富值，打造属于自己的王国了；
5、你还在担心孩子的教育问题吗？来到一度甄选，与数百万父母分享你的育儿经验。
00%zhengpinbaozhangshangcheng，zhelisuoyoushangpindoukeyibaozheng00%zhengpin，yonghugouwugengfangxin；keyilinghuoyunyongliuxingtiezhitexiaolvjingdengcaizhi，zuochujingmeidetupian；duozhongyewuzaixianbanlihailiangfengfudeyouxifulilingbuwan，buganbukeyenengqingsongbianqiang。biaoqingtiezhi：zhichiduotaogexinghuabiaoqing,daxiao,weizhideziyoubianhua,gengyougifdongtaitukegongtianjiao。這(zhe)AI保(bao)熟(shu)嗎(ma)？大(da)谷(gu)Stable Diffusion巨(ju)制(zhi)：《華(hua)強(qiang)買(mai)瓜(gua)》好(hao)萊(lai)塢(wu)巨星(xing)版(ban)來(lai)了(le)！ 新(xin)智(zhi)元(yuan)報(bao)道(dao) 編(bian)輯(ji)：好困(kun) 武(wu)穆(mu) 桃(tao)子(zi) 【新智元導(dao)讀(du)】Stable Diffusion已(yi)經(jing)在(zai)繪(hui)畫(hua)方(fang)面(mian)「頗(po)有(you)造(zao)詣(yi)」，但(dan)馬(ma)庫(ku)斯(si)還(hai)是(shi)忍(ren)不(bu)住(zhu)提(ti)出(chu)壹(yi)個(ge)靈(ling)魂(hun)拷(kao)問(wen)：它(ta)知(zhi)道自(zi)己(ji)究(jiu)竟(jing)在画什(shen)麽(me)吗？ 这段(duan)時(shi)間(jian)，Stable Diffusion簡(jian)直(zhi)不要(yao)太(tai)火(huo)。 前(qian)兩(liang)天(tian)，大谷就(jiu)用(yong)它做(zuo)了个《华强买瓜》——好莱坞國(guo)際(ji)巨星版。 瓜熟不熟不知道，但这AI保熟吗？ 一句(ju)話(hua)，就換(huan)了1、2、3、4个…演(yan)員(yuan)。 大谷表(biao)示(shi)，这些(xie)画面是在加(jia)載(zai)原(yuan)視(shi)頻(pin)之(zhi)後(hou)，直接(jie)根(gen)據(ju)輸(shu)入(ru)文(wen)字(zi)的(de)變(bian)化(hua)生(sheng)成(cheng)的。 都(dou)認(ren)出来的朋(peng)友(you)請(qing)扣(kou)1。 画得(de)很(hen)好，但这對(dui)AGI有啥(sha)幫(bang)助(zhu)么？ 毫(hao)無(wu)疑(yi)问的是，像(xiang)Dall-E、Imagen、Midjourney和(he)Stable Diffusion这樣(yang)的工(gong)具(ju)，在绘圖(tu)方面已经非(fei)常(chang)出色(se)了。 但在評(ping)估(gu)AGI的發(fa)展(zhan)進(jin)程(cheng)时，还有一个關(guan)鍵(jian)性(xing)的问題(ti)：这些「AI」对世(shi)界(jie)到(dao)底(di)有多(duo)少(shao)了解(jie)，以(yi)至(zhi)於(yu)它們(men)可(ke)以根据这些知識(shi)进行(xing)推(tui)理(li)和反(fan)饋(kui)？ 对此(ci)，马库斯在他(ta)最(zui)新的文章(zhang)中(zhong)，提出了質(zhi)疑： 关于第(di)1點(dian)，答(da)案(an)顯(xian)然(ran)是肯(ken)定(ding)的。除(chu)了那(na)些经過(guo)訓(xun)練(lian)的人(ren)類(lei)藝(yi)術(shu)家(jia)，才(cai)能做得比(bi)AI更(geng)好。 关于第2点，答案是好壞(huai)參(can)半(ban)。AI在某(mou)些输入上(shang)做得很好（比如(ru)宇(yu)航(hang)员騎(qi)马），但在其他输入上做得就不怎(zen)么理想(xiang)（比如马骑宇航员）。 而(er)第3点，也(ye)是最重(zhong)要的的一点。它的答案最終(zhong)決(jue)定了这些AI系统能否在構(gou)建(jian)通(tong)用智能，也就是AGI时派(pai)上用場(chang)。 雖(sui)說(shuo)它们生成的图像十(shi)分(fen)絢(xuan)麗(li)，而且(qie)很可能會(hui)徹(che)底改(gai)变艺术實(shi)踐(jian)，但这仍(reng)然不能说明(ming)或(huo)代表AGI方面的进展。 就拿(na)平(ping)面設(she)計(ji)師(shi)Irina Blok的这張(zhang)非常有名(ming)的「有很多洞(dong)的咖(ka)啡(fei)杯(bei)」来说吧(ba)。 马库斯表示，自己8歲(sui)的孩(hai)子看(kan)完(wan)之后都无法(fa)理解：「咖啡為(wei)何(he)不会從(cong)杯子的洞裏(li)漏(lou)出来？」 然而，这種(zhong)創(chuang)作(zuo)的麻(ma)煩(fan)在于，妳(ni)沒(mei)有一个关于不存(cun)在的東(dong)西(xi)應(ying)該(gai)是什么样子的事(shi)实性證(zheng)据，所以只(zhi)討(tao)論(lun)結(jie)果(guo)的话，就会陷(xian)入死(si)循(xun)環(huan)。 正(zheng)如Michael Bronstein所指(zhi)出的那样：「换做是人，也会選(xuan)擇(ze)这么画」。 因(yin)此，我(wo)们可以换一个不同(tong)的方式(shi)来追(zhui)问同一个问题： 如果我们在一項(xiang)基(ji)于事实的任(ren)務(wu)中，試(shi)图了解系统对(a)部(bu)分和整(zheng)體(ti)，以及(ji)(b)功(gong)能的认识，比如「画出一个梯(ti)子並(bing)標(biao)出你站(zhan)在上面的部分」这样的提示，会怎么样？ 显然，Craiyon（DALL-E mini）对此一竅(qiao)不通。 也許(xu)这是DALL-E Mini特(te)有的问题？其实不然。 马库斯发現(xian)，在「Stable Diffusion」中也会出现类似(si)的结果。 比如，「画一个人，并填(tian)充(chong)紫(zi)色」。 「画一輛(liang)白(bai)色的自行車(che)，并将用腳(jiao)踩(cai)的部分塗(tu)成橙(cheng)色」。 「画出一辆自行车，并标出在地(di)上滾(gun)動(dong)的部分。」 「画一辆没有輪(lun)子的白色自行车。」 「画一辆轮子是綠(lv)色的白色自行车。」 看得出来，AI可以一定程度(du)上地get到部分和整体的关系，但并不能理解一个事物(wu)的功能以及復(fu)雜(za)人类复杂的句法。 不过，马库斯这波(bo)確(que)实有股(gu)「甲(jia)方爸(ba)爸提需(xu)求(qiu)」的味(wei)道了。 基于这些结果，马库斯质问道：「我们真(zhen)的可以说，一个不了解轮子是什么，或者(zhe)说不了解轮子用途(tu)的系统，是人工智能的一个重大进步(bu)吗？」 对此，Stability AI的CEO，Emad Mostique，謙(qian)遜(xun)地表示：「它们还只是拼(pin)图的一个部分。」 Stable Diffusion为何能如此流(liu)行？ Diffusion最早(zao)是2015年(nian)的一篇(pian)文章提出的。 其核(he)心(xin)思(si)想，就是把(ba)生成的过程拆(chai)成一个个简單(dan)的小(xiao)步驟(zhou)，而不是像其他模(mo)型(xing)一样「一步到位(wei)」，这样擬(ni)合起来相(xiang)对容(rong)易(yi)，做出来效(xiao)果也好。 只是像大多數(shu)新生事物一样，Diffusion剛(gang)提出时，还有些粗(cu)糙(cao)。 直到2020年，生成模型DDPM（Denoising Diffusion Probabilistic Model）对之前的擴(kuo)散(san)模型进行了简化，Diffusion的发展才走(zou)上快(kuai)车道。 相比GAN来说，Diffusion模型训练更穩(wen)定，而且能夠(gou)生成更多样的样本(ben)。 因而，从2021年底到现在，先(xian)后有OpenAI的GLIDE、DALL·E-2和Google的Imagen都用上了Diffusion。 既(ji)然大家都用Diffusion模型，Stable Diffusion有啥特別(bie)之處(chu)，讓(rang)它变得如此炙(zhi)手(shou)可熱(re)？ 简单来说，Stable Diffusion有三(san)大優(you)点。 首(shou)先，Stable Diffusion做到了開(kai)源(yuan)，在商(shang)業(ye)/非商业使(shi)用上有超(chao)高的自由(you)度。 只要遵(zun)循 OpenRAIL-M 许可证的規(gui)定，并且不用于非法和非道德(de)的场景(jing)，任何人都可以对该模型进行商业或非商业使用、改造和再(zai)发布(bu)。 虽然Google的Imagen和OpenAI的DALL·E-2，画图的效果也很出色，可这些工具都是封(feng)閉(bi)或半封闭的。 为何Stable Diffusion可以做到开源，而其他卻(que)做不到呢(ne)？ 这是因为Stable Diffusion背后有Stability AI的加持(chi)。 Stability AI由英(ying)国富(fu)豪(hao)Emad Mostaque创辦(ban)，他除了有錢(qian)，更重要的是有情(qing)懷(huai)：他希(xi)望(wang)利(li)用自己的技(ji)术和資(zi)金(jin)，来推动社(she)会平等(deng)和技术普(pu)及。 因而做出Stable Diffusion的目(mu)标，就是创造开源的AI工具，大家可以把它當(dang)成真正的「Open AI」。 而谷歌(ge)也好，OpenAI都有商业上的追求，因而没有动力(li)做这样的「慈(ci)善(shan)事业」。 其次(ci)，Stable Diffusion很輕(qing)量。 即(ji)便(bian)OpenAI「良(liang)心发现」，让DALL·E-2开源，普通人也是用不起的：需要使用高端(duan)显卡(ka)，等待(dai)时间也比較(jiao)長(chang)。 虽然可以在網(wang)上找(zhao)到 DALL·E mini，但那是一个与OpenAI完全(quan)无关的个人开发者，所做的业余(yu)开源项目。 而Stable Diffusion可以在10G显存的消(xiao)費(fei)級(ji)显卡上使用，生成 512*512 尺(chi)寸(cun)的图片(pian)只需要幾(ji)秒(miao)。 最后，Stable Diffusion的成功，離(li)不开Stable Diffusion的效果好。 如果只是开源，Stable Diffusion未(wei)必(bi)就一定能大火，畢(bi)竟Craiyon、Disco Diffusion模型也是开源的。 Stable Diffusion在4000臺(tai) A100 显卡集(ji)群(qun)上，训练了一个月(yue)时间，再加上有近(jin)59億(yi)條(tiao)图片-文字平行数据的高质量数据集LAION-Aesthetics加持，生成结果完全不亞(ya)于DALL·E、Imagen 等基于超大模型的结果。 未来，Stable Diffusion在功能上，还有一些亮(liang)点值(zhi)得期(qi)待，比如结果复现。 在目前的Stable Diffusion上，即使你重用了之前成功渲(xuan)染(ran)的种子，如果提示符(fu)或源图像在后續(xu)渲染上发生了更改，那么想要复现之前的结果是很難(nan)的。 未来的Stable Diffusion，在保持一致(zhi)性上，还会有改进。 再比如外(wai)画，意(yi)思是用戶(hu)可通过语義(yi)邏(luo)辑和视覺(jiao)連(lian)貫(guan)性将图像扩展到其邊(bian)界之外。 總(zong)之，虽然Stable Diffusion不一定真的理解它在画什么，其画出的作品(pin)也見(jian)得「符合逻辑」，但AI从来不是「一个人在戰(zhan)鬥(dou)」。 Stable Diffusion其实是从科(ke)研(yan)團(tuan)隊(dui)、公(gong)司(si)和无数用户組(zu)成的复杂网絡(luo)中「长出来的」，未来它还会叠(die)代，变得更强大，也会給(gei)我们帶(dai)来更多的驚(jing)喜(xi)。 参考(kao)资料(liao)： https://weibo.com/2395607675/M61L994kN https://garymarcus.substack.com/p/form-function-and-the-giant-gulf https://www.unite.ai/how-stable-diffusion-could-develop-as-a-mainstream-consumer-product/返(fan)回(hui)搜(sou)狐(hu)，查(zha)看更多 責(ze)任编辑：