爱奇艺沙雕广告大盘点！
爱奇艺沙雕广告大盘点！：让笑声在广告中无限延续爱奇艺这一独特的广告模式，以奇葩又有趣的广告为特色，饱受瞩目。广告以轻松幽默的方式切入用户视线，洒下快乐播报，打破单调、沉闷的场面。本文将从四个方面详细解析爱奇艺沙雕广告的特点。 广告多样化：哪都能出现的惊喜广告的形式多种多样，爱奇艺的广告也不例外。从桌面端到移动端，从电视剧到综艺节目，从开头到中间到结尾，广告随时随地都能出现。爱奇艺的广告甚至会在进入视频前的广告倒计时中出现，建立革命性的广告范式。多样化的广告形式，让广告不再单一，而是与不同的用户场景相融合，创造出新的广告维度，提升用户体验度。 短小精悍：让笑声在短暂的时间内响彻天地爱奇艺广告短、精、搞笑，开头惊艳，内容精彩，结尾有趣。在广告形式单一的情况下，创造出精彩纷呈的广告效果，让广告时间从枯燥无味变为另一个短暂而美好的时刻。从而提升广告曝光度，创造出更大的社交效果，让广告成为用户分享吐槽的内容。 自嘲式幽默：进一步拉近品牌与用户的距离爱奇艺广告不仅短小精悍，在内容上也不失幽默和自嘲的风格。广告自嘲的风格让广告和品牌的形象看起来更加亲民和可爱，拉近品牌与用户的距离，让广告不再仅仅是为了宣传产品，而是为了和用户交流，推动品牌与用户建立更加紧密的联系。 记忆点突出：让广告成为用户脑海中的经典爱奇艺广告以沙雕广告为特点，打破单调，让广告成为用户脑海中的经典。沙雕广告以顽皮、好笑为主，通过各种吐槽让广告内容与用户产生产生共鸣，让广告成为用户分享、吐槽、借证的内容。好的广告具有记忆性，能够让广告成为用户脑海中的经典，提高广告效果。总结： 爱奇艺沙雕广告大盘点，不仅是对广告形式和内容的创新，更是对广告定义的重新塑造。通过多样化的广告形式、短小精悍的广告时间、自嘲式的幽默和突出的记忆点，让广告与用户产生联系，成为用户在短暂的时间中美好而有趣的回忆。爱奇艺将这种创新方法运用到广告的推广中，以此让越来越多的用户享受到广告带来的乐趣，实现广告与用户的双赢。 常见问题：1. 爱奇艺的广告形式有哪些？答：爱奇艺广告形式多样化，包括视频中的前置广告、中间广告和结尾广告，页面中的悬浮广告和固定广告，倒计时广告等。2. 爱奇艺的广告特点有哪些？答：爱奇艺广告特点短小精悍，自嘲式幽默，沙雕搞笑，广告内容与用户产生共鸣，记忆点突出。3. 爱奇艺广告的目的是什么？答：爱奇艺广告不仅是为了宣传产品，更是为了通过多样化的广告形式，短小精悍的广告时间，自嘲式的幽默和突出的记忆点，让广告与用户产生联系，成为用户在短暂的时间中美好而有趣的回忆。
爱奇艺沙雕广告大盘点！ 随机日志
便民新平台，生活好帮手，服务百姓造福后代；
1、兼容藏汉英等多种语言，可设置藏文桌面
2、针对孩子容易沉迷的游戏视频小说漫画等内容，一键开启时间管控，帮助孩子合理规划娱乐时间，真正有效防止沉迷
3、设抛物线C：y=x的焦点为F，过F且斜率为k（k>0）的直线l与C交于A，B两点，|AB|=8。
4、优化了切换至大纲模式时的性能,修复了重命名自定义风格可能会失败的问题,修复了无法分享到印象笔记的问题,修复了导出分支为图片后，图片清晰度不够的问题更多,修复了导出的Word文件中，Note的格式丢失的问题,修复了其他部分已知问题收起
5、金税三期上线后个人所得税代扣代缴系统客户端可实现系统自动优化升级，网络在线申报功能（无需导出申报文件），同时，签订了财税库银三方协议的扣缴义务人可通过客户端在线缴款，既节约办税时间，又提高办税效率。建议有网络申报条件的扣缴义务人，优先使用此升级方式。
<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>1句(ju)話(hua)生(sheng)成(cheng)視(shi)頻(pin)AI爆(bao)火(huo)！Meta最(zui)新(xin)SOTA模(mo)型(xing)讓(rang)網(wang)友(you)大(da)受(shou)震(zhen)撼(han) 新智(zhi)元(yuan)報(bao)道(dao) 編(bian)輯(ji)：编辑部(bu) 【新智元導(dao)讀(du)】Meta新模型Make-A-Video，可(ke)以(yi)從(cong)文(wen)本(ben)壹(yi)鍵(jian)生成视频了(le)！AI的(de)進(jin)展(zhan)太(tai)神(shen)了…… 給(gei)妳(ni)一段(duan)话，让你做(zuo)個(ge)视频，你能(neng)行(xing)嗎(ma)？ Meta表(biao)示(shi)，我(wo)可以啊(a)。 你沒(mei)聽(ting)錯(cuo)：使(shi)用(yong)AI，你也(ye)可以變(bian)成電(dian)影(ying)人(ren)了！ 近(jin)日(ri)，Meta推(tui)出(chu)了新的AI模型，名(ming)字(zi)起(qi)得(de)也是(shi)非(fei)常(chang)直(zhi)接(jie)：做个视频（Make-A-Video）。 這(zhe)个模型強(qiang)大到(dao)什(shen)麽(me)程(cheng)度(du)？ 一句话，就(jiu)能實(shi)現(xian)「三(san)馬(ma)奔(ben)騰(teng)」的場(chang)景(jing)。 就連(lian)LeCun都(dou)說(shuo)，該(gai)來(lai)的總(zong)是會(hui)来的。 视覺(jiao)效(xiao)果(guo)超(chao)炫(xuan) 话不(bu)多(duo)说，咱(zan)們(men)直接看(kan)效果。 倆(liang)袋(dai)鼠(shu)在(zai)廚(chu)房(fang)忙(mang)著(zhe)做飯(fan)（做出来能不能吃(chi)另(ling)说） 近景：畫(hua)師(shi)在画布(bu)上(shang)作(zuo)画 大雨(yu)中(zhong)漫(man)步(bu)的二(er)人世(shi)界(jie)（步伐(fa)整(zheng)齊(qi)劃(hua)一） 马在喝(he)水(shui) 芭(ba)蕾(lei)舞(wu)女(nv)孩(hai)在摩(mo)天(tian)大樓(lou)跳(tiao)舞 美(mei)麗(li)的夏(xia)日熱(re)帶(dai)海(hai)灘(tan)上，一只(zhi)金(jin)毛(mao)在吃冰(bing)激(ji)淩(ling)（爪(zhao)子(zi)已(yi)进化(hua)） 貓(mao)主(zhu)子拿(na)着遙(yao)控(kong)器(qi)在看电视（爪子已进化） 一只泰(tai)迪(di)熊(xiong)给自(zi)己(ji)画自画像(xiang) 意(yi)料(liao)之(zhi)外(wai)但(dan)情(qing)理(li)之中的是，狗(gou)拿冰淇(qi)淋(lin)、猫拿遥控器以及(ji)泰迪熊画画的「手(shou)」，果然(ran)都「进化」得和(he)人一樣(yang)啊！（戰(zhan)術(shu)後(hou)仰(yang)） 當(dang)然，Make-A-Video除(chu)了可以把(ba)文本变成视频之外，也可以把靜(jing)態(tai)圖(tu)变成Gif。 輸(shu)入(ru)： 输出： 输入： 输出：（亮(liang)的似(si)乎(hu)有(you)點(dian)不是地(di)方(fang)） 2張(zhang)静图变GIF，输入隕(yun)石(shi)图 输出： 以及，把视频，变成视频？ 输入： 输出： 输入： 输出： 技(ji)术原(yuan)理 今(jin)天，Meta放(fang)出了自己的最新研(yan)究(jiu)MAKE-A-VIDEO: TEXT-TO-VIDEO GENERATION WITHOUT TEXT-VIDEO DATA。 論(lun)文地址(zhi)：https://makeavideo.studio/Make-A-Video.pdf 在这个模型出现之前(qian)，我们已經(jing)有了Stable Diffusion。 聰(cong)明(ming)的科(ke)學(xue)家(jia)已经让AI用一句话生成图像了，下(xia)一步他(ta)们会做什么呢(ne)？ 很(hen)顯(xian)然，是生成视频。 一只穿(chuan)着紅(hong)色(se)鬥(dou)篷(peng)的超級(ji)英(ying)雄(xiong)狗在天空(kong)中飛(fei)翔(xiang) 比(bi)起生成图像来，生成视频可難(nan)多了。我们不僅(jin)需(xu)要(yao)生成相(xiang)同(tong)主題(ti)和场景的多个幀(zhen)，還(hai)必(bi)須(xu)让它(ta)们及時(shi)、连貫(guan)。 这就增(zeng)加(jia)了图像生成任(ren)務(wu)的復(fu)雜(za)性(xing)——我们不可能就簡(jian)單(dan)地使用DALLE生成60张图像，然后把它们拼(pin)成一个视频。它的效果会很差(cha)，很不真(zhen)实。 因(yin)此(ci)，我们需要一个能夠(gou)以更(geng)强大的方式(shi)理解(jie)世界的模型，並(bing)且(qie)让它按(an)照(zhao)这種(zhong)理解水平(ping)来生成一系(xi)列(lie)连贯的图像。只有这样，这些(xie)图像才(cai)可以天衣(yi)無(wu)縫(feng)地融(rong)合(he)在一起。 也就是说，我们的訴(su)求(qiu)是模擬(ni)一个世界，然后再(zai)模拟它的記(ji)錄(lu)。该怎(zen)么做到呢？ 按照以前的思(si)路(lu)，研究人員(yuan)会用大量(liang)的文本-视频對(dui)来訓(xun)練(lian)模型，但在现在的这种情況(kuang)下，这种處(chu)理方法(fa)并不现实。因為(wei)这些數(shu)據(ju)很难獲(huo)得，并且训练成本非常昂(ang)貴(gui)。 因此，研究人员開(kai)了腦(nao)洞(dong)，采(cai)用了一种全(quan)新的方式。 他们選(xuan)擇(ze)开發(fa)一个文本到图像的模型，然后把它應(ying)用於(yu)视频。 巧(qiao)了，前段时間(jian)，Meta就曾(zeng)开发過(guo)这么一个从文本到图像的模型Make-A-Scene。 Make-A-Scene的方法概(gai)述(shu) 这个模型產(chan)生的契(qi)機(ji)是，Meta希(xi)望(wang)推動(dong)創(chuang)意表達(da)，將(jiang)这种文本到图像的趨(qu)勢(shi)與(yu)以前的草(cao)图到图像模型相結(jie)合，从而(er)产生文本和以草图为條(tiao)件(jian)的图像生成之间的奇(qi)妙(miao)融合。 这意味(wei)着我们可以快(kuai)速(su)勾(gou)勒(le)出一只猫，寫(xie)出自己想(xiang)要什么样的图像。遵(zun)循(xun)草图和文本的指(zhi)导，这个模型会在幾(ji)秒(miao)鐘(zhong)內(nei)，生成我们想要的完(wan)美插(cha)图。 你可以把这种多模态生成AI方法看作是一个对生成有更多控制(zhi)的Dall-E模型，因为它还可以将快速草图作为输入。 之所(suo)以稱(cheng)它为多模态，是因为它可以将多种模态作为输入，比如(ru)文本和图像。相比之下，Dall-E只能从文本生成图像。 为了生成视频，就需要加入时间的維(wei)度，因此研究人员在Make-A-Scene模型中添(tian)加了时空管(guan)道。 加入时间维度后，这个模型就不是只生成一张图片(pian)，而是生成16张低(di)分(fen)辨(bian)率(lv)的图片，以创建(jian)一个连贯的短(duan)视频。 这个方法其(qi)实与文本到图像模型類(lei)似，但不同之处在于：在常規(gui)的二维卷(juan)積(ji)的基(ji)礎(chu)上，它增加一维卷积。 只是简单地增加了一维卷积，研究人员就能保(bao)持(chi)預(yu)先(xian)训练的二维卷积不变的同时，增加一个时间维度。然后，研究人员就可以从頭(tou)开始(shi)训练，重(zhong)新使用Make-A-Scene图像模型的大部分代(dai)碼(ma)和參(can)数。 在文本到图像方法中使用常规二维卷积模塊(kuai)之后，增加一维卷积模块 同时，研究人员还想用文本输入来指导这个模型，这将与使用CLIP嵌(qian)入的图像模型非常相似。 在这种情况下，研究人员是在将文本特(te)征(zheng)与图像特征混(hun)合时，增加空间维度，方法同上：保留(liu)Make-A-Scene模型中的註(zhu)意力(li)模块，并为时间增加一个一维注意力模块——复制粘(zhan)貼(tie)图像生成器模型，为多一个维度重复生成模块，来获得16个初(chu)始帧。 在文本到图像方法中使用常规的二维注意力模块之后，增加一维注意力模块 但是只靠(kao)这16个初始帧，还不能生成视频。 研究人员需要从这16个主帧中，制作一个高(gao)清(qing)晰(xi)度的视频。他们采用的方法是：訪(fang)問(wen)之前和未(wei)来的帧，并同时在时间和空间维度上对它们进行叠(die)代插值(zhi)。 就这样，他们在这16个初始帧之间，根(gen)据前后的帧生成了新的、更大的帧，这样就使運(yun)动变得连贯，整體(ti)视频变得流(liu)暢(chang)了。 这是通(tong)过一个帧插值网絡(luo)完成的，它可以采取(qu)已有的图像来填(tian)補(bu)空白(bai)，生成中间的信(xin)息(xi)。在空间维度上，它会做同样的事(shi)情：放大图像，填补像素(su)的空白，使图像更加高清。 总而言(yan)之，为了生成视频，研究人员微(wei)調(tiao)了一个文本到图像的模型。他们采用了一个已经训练好(hao)的强大模型，对它进行调整和训练，让它適(shi)应视频。 因为添加了空间和时间模块，只要简单地让模型适应这些新数据就可以了，而不必重新训练它，这就節(jie)省(sheng)了大量的成本。 这种重新训练使用的是未標(biao)记的视频，只需要教(jiao)模型理解视频和视频帧的一致(zhi)性就可以了，这就可以更简单地建立(li)数据集(ji)。 最后，研究人员再次(ci)使用了图像優(you)化模型，提(ti)高了空间分辨率，并使用了帧插值組(zu)件增加了更多的帧，使视频变得流畅。 当然，目(mu)前Make-A-Video的结果还存(cun)在缺(que)点，就如同文本到图像的模型一样。但我们都知(zhi)道，AI領(ling)域(yu)的进展是多么神速。 如果你想进一步了解，可以参考(kao)鏈(lian)接中Meta AI的论文。社(she)區(qu)也正(zheng)在开发一个PyTorch的实现，如果你想自己实现它，請(qing)繼(ji)續(xu)關(guan)注。 作者(zhe)介(jie)紹(shao) 这篇(pian)论文中有多位(wei)華(hua)人研究人员参与：殷(yin)希、安(an)捷(jie)、张宋(song)揚(yang)、Qiyuan Hu。 殷希，FAIR研究科学家。此前曾供(gong)職(zhi)微軟(ruan)，任Microsoft Cloud and AI 的高级应用科学家。在密(mi)歇(xie)根州(zhou)立大学計(ji)算(suan)机科学与工(gong)程系获博(bo)士(shi)学位，2013年(nian)畢(bi)業(ye)于武(wu)漢(han)大学电氣(qi)工程專(zhuan)业，获学士学位。主要研究领域为多模态理解、大规模目标檢(jian)測(ce)、人臉(lian)推理等(deng)。 安捷，羅(luo)切(qie)斯(si)特大学计算机科学系博士生。师从罗傑(jie)波(bo)教授(shou)。此前于 2016 年和 2019 年在北(bei)京(jing)大学获得学士和碩(shuo)士学位。研究興(xing)趣(qu)包(bao)括(kuo)计算机视觉、深(shen)度生成模型和AI+藝(yi)术。作为实習(xi)生参与了Make-A-Video研究。 Qiyuan Hu，时任FAIR的AI Resident，从事提高人类创造(zao)力的多模态生成模型的研究。她(ta)在芝(zhi)加哥(ge)大学获得醫(yi)学物(wu)理学博士学位，曾从事AI輔(fu)助(zhu)的医学图像分析(xi)工作。现已供职Tempus Labs，任机器学习科学家。 网友大受震撼 前段时间，谷(gu)歌(ge)等大廠(chang)紛(fen)纷放出自家的文本到图像模型，如Parti，等等。 有人甚(shen)至(zhi)認(ren)为文本到视频生成模型还有一段时间才能到来。 没想到，Meta这次投(tou)了一顆(ke)重磅(bang)炸(zha)彈(dan)。 其实，同在今天，还有一个文本到视频生成模型Phenaki，目前已提交(jiao)到ICLR 2023，由(you)于还处于盲(mang)審(shen)階(jie)段，作者机構(gou)还是未知。 网友称，从DALLE到Stable Diffuson再到Make-A-Video，一切来得太快。 参考資(zi)料： https://makeavideo.studio/ https://makeavideo.studio/Make-A-Video.pdf https://www.louisbouchard.ai/make-a-video/返(fan)回(hui)搜(sou)狐(hu)，查(zha)看更多 責(ze)任编辑：