Пристальный взгляд что такое: Что такое пристальный взгляд: Пристальный взгляд в глаза – признак сильного чувства

Содержание

взгляд — это… Что такое взгляд?

Морфология: (нет) чего? взгля́да, чему? взгля́ду, (вижу) что? взгля́д, чем? взгля́дом, о чём? о взгля́де; мн. что? взгля́ды, (нет) чего? взгля́дов, чему? взгля́дам, (вижу) что? взгля́ды, чем? взгля́дами, о чём? о взгля́дах

 

направленность зрения на какой-либо объект

1. Взгляд — это такое действие человека, когда он направляет свои глаза на какой-то объект и рассматривает его.

Внимательный, пристальный взгляд. | Проводить взглядом кого-л. | Встретиться, перекинуться, обменяться взглядами. | Бросить взгляд на кого-либо, на что-либо. | У самой двери я чуть обернулась и ещё раз поймала на себе тот же жёсткий, пронизывающий, пристальный взгляд.

2.
Если вы говорите, что кто-то смерил взглядом другого человека, значит, вы хотите сказать, что этот человек внимательно посмотрел на лицо, тело, ноги другого и обратно, тем самым показывая своё презрение, удивление, превосходство и т. п.

Нищий у метро безо всякого намёка на благодарность смерил Лизу пронзительным взглядом.

3. Если на человека бросают косые взгляды, значит, на него смотрят не прямо, а со стороны, выражая тем самым осуждение, подозрительность, недоверие и т. п.

Она чувствовала на себе косые взгляды коллег.

4. Когда вы что-то замечаете, чувствуете с первого взгляда
, вы сразу же, после короткого ознакомления с каким-либо предметом, человеком, ситуацией, даёте им определённую оценку.

Проблемы пришедшего на приём человека опытный гомеопат может вычислить с первого взгляда.

5. Когда вы влюбляетесь в кого-либо с первого взгляда, вы начинаете испытывать сильные чувства к этому человеку сразу же после того, как познакомились с ним или увидели его впервые.

6. Вы используете выражение на первый взгляд, когда хотите дать первоначальную оценку какому-то человеку, факту, ситуации, которая сложилась у вас по первому впечатлению, но которая впоследствии может оказаться неточной или даже ошибочной.

Этот человек гораздо умнее, чем кажется на первый взгляд. | На первый взгляд задача казалась примитивной, но только на первый, потому что её решение требовало нестандартного подхода.

7. Если вы говорите, что у человека какой-либо взгляд, вы хотите сказать, что его лицо выражает соответствующие эмоции, настроение, мысль и т. п.

Суровый, гневный, рассерженный взгляд. | Печальный, растерянный, потухший взгляд. | Пустой, бессмысленный, отсутствующий взгляд. | Холодный взгляд.

 

мнение, оценка, убеждение

8. Ваш взгляд на что-либо — это ваше мнение, суждение об этом.

Свежий, трезвый, новый взгляд. | Собственный, независимый, особый взгляд.

9. Вы используете выражение на мой взгляд (или на ваш, на твой взгляд), чтобы подчеркнуть, что высказываемая мысль является чьим-то мнением.

На ваш взгляд, кто станет чемпионом в этом году?

10. Взглядом на какую-либо ситуацию, проблему называют анализ, оценку этой ситуации.

Эта книга — беспристрастный взгляд на экономическую жизнь россиян.

11. Если вы обладаете какими-либо взглядами или определённым взглядом на мир, значит, вы придерживаетесь определённых убеждений, имеете определённую систему мировоззрения.

Научные, политические, религиозные взгляды. | Устаревшие взгляды.

12. Если вы разделяете чьи-либо взгляды, значит, вы согласны с убеждениями, мнениями этого человека.

Пристальный взгляд и жуткие дневники: как режиссёры раскрывают тему психических расстройств

Тема психических расстройств стала одной из центральных в сегодняшней поп‑культуре в целом и в кино в частности. Шизофрения («Чистый, бритый»), ПТСР («Лестница Иакова»), психоз («Чёрный лебедь», «Сияние»), бесконечный поток фильмов о психопатах — душевные недуги интересовали режиссёров на протяжении большей части истории кинематографа.

Правда, достоверно передать эмоции человека с психическим заболеванием удавалось далеко не всегда, а вот зрелищно или даже пугающе — сколько угодно. Вот какие приёмы для этого использовались.

1. Пристальный взгляд в камеру

Доктор Ганнибал Лектер из «Молчания ягнят» (1990) стал одним из главных кинозлодеев, а момент, в котором герой смотрит прямо в камеру, производит неизгладимое впечатление. Идею немигающего взгляда актёр Энтони Хопкинс позаимствовал из съёмок допросов Чарльза Мэнсона и Теда Банди, и не зря: у зрителя возникает ощущение, будто он вглядывается в чёрную бездну.

Кадр из фильма «Молчание ягнят» (1990)

Этот же приём использовал Стэнли Кубрик в провокационном «Заводном апельсине» (1971). Малкольм Макдауэлл исподлобья таращится прямо на зрителей, недвусмысленно намекая, что между нами и его героем‑психопатом много общего.

Кадр из фильма «Заводной апельсин» (1971)

За современным примером тоже далеко ходить не нужно. Вот тяжёлый взгляд Эми Данн в исполнении Розамунд Пайк. Но чтобы понять, что на самом деле творится в её красивой голове, не нужно разбивать ей череп, как втайне мечтает об этом её муж. Можно просто посмотреть искусно исполненный триллер Дэвида Финчера «Исчезнувшая» (2014).

Кадр из фильма «Исчезнувшая» (2014)

Вообще психопаты на экране — это отдельная тема для беседы: их образы настолько же страшны, насколько интересны для зрителя. Но и другие виды душевных расстройств можно показать на экране необычно. Ведь способов для этого очень много.

2. Придание особого смысла цвету

Чтобы показать, что герой не в себе, режиссёры часто прибегают к символике цвета. Так, жёлтый в популярной культуре часто означает безумие, неуверенность и беспокойство. Вероятно, такую репутацию ему создала новелла 1892 года «Жёлтые обои» американской писательницы Шарлотты Перкинс Гилман. Героиня повести, страдающая от послеродового психоза, заключена в комнате с жёлтыми стенами. Постепенно ей начинает казаться, что за обоями живёт женщина, которую нужно освободить.

Артур Флек в «Джокере» (2019) часто появляется в жёлтой одежде, а сцена в лечебнице для душевнобольных и вовсе снята с использованием жёлтого фильтра. В «Сплите» (2017) герой Джеймса Макэвоя, страдающий от множественного расстройства личности, в одном из своих самых запоминающихся воплощений носит канареечную куртку.

Кадр из фильма «Сплит» (2017)

В загадочном фильме ужасов «мама!» Даррена Аронофски героиня пьёт какую-то жёлтую жидкость. В Сети до сих пор спорят, что это могло бы быть. Одна из версий — это отсылка к вышеупомянутому рассказу Гилман.

Другая теория гласит, что героиня, угнетённая патриархальной культурой, прикладывается к непонятному питью, чтобы подавлять возникающий внутри гнев и раз за разом через силу возвращаться к роли хранительницы домашнего очага.

Кадр из фильма «мама!» (2017)

Байопик «Спенсер» (2021), рассказывающий о нескольких днях из жизни принцессы Дианы, вплотную затрагивает тему депрессии. Вдобавок многие биографы принцессы считают, что та могла страдать от пограничного расстройства личности. Задыхаясь в плену королевского уклада жизни, героиня с каждой минутой фильма всё больше приближается к неизбежному нервному срыву.

Одним из кульминационных моментов становится тот, в котором Диана уезжает из дворца, а зритель видит, что свой нежно‑жёлтый костюм она надела на пугало. Это одновременно и символ того, как жадно общество объективировало принцессу Уэльскую, и знак, что Диана наконец избавилась от стесняющих её вещей и чувствует себя свободной.

Кадр из фильма «Спенсер» (2021)

Конечно, сам по себе цвет костюма в данном контексте вряд ли что‑то значит (кроме отсылки к одному из реальных нарядов Дианы). Но очень хорошо укладывается в теорию о том, что жёлтый придаёт картинке чувство тревоги и беспокойства.

3. Создание нестандартной обстановки

Часто обстановка может рассказать о герое больше, чем диалоги. Например, дом Нормана Бейтса, главного психопата в истории кино, переполнен картинами, растениями, драпировками, кружевами и прочими предметами декора. Но в то же время это пространство с высокими потолками и закрученными лестницами сильно давит и на зрителя, и на самого героя, зацикленного на образе матери.

Джо Райт в «Женщине в окне» (2021) создаёт на экране параноидальную, клаустрофобную атмосферу, так напоминающую «Психо». Мрачные внутренности огромного дома Анны сразу вызывают ассоциации с особняком Бейтсов. На подсознательном уровне опытный зритель сразу понимает: владелец этого здания тоже не совсем в себе и что‑то скрывает.

Кадр из фильма «Женщина в окне» (2021)

Главная героиня, Анна Фокс, не может выходить из дома из‑за агорафобии (страха перед открытыми пространствами) и часто испытывает приступы иррациональной паники. И внутреннее состояние женщины прекрасно подчёркнуто за счёт гигантских размеров помещения, снятого под неестественными, изломанными углами.

Для «Сияния» (1980) Стэнли Кубрик придумал много тревожных и врезающихся в память образов. Но едва ли не больше, чем жуткие близняшки, реки крови, льющиеся из лифта, и полуразложившийся труп в ванной пугает само пространство отеля «Оверлук».

Кадр из фильма «Сияние» (1980)

Сложные и витиеватые узоры в оформлении интерьера намекают, что на душе у персонажа творится недоброе, словно отель пытается запутать его. Тот же эффект помогают создать зеркала. По мере же того, как безумие захватывает разум Джека, убранство «Оверлука» всё больше напоминает лабиринт. А пустынность отеля подчёркивает изолированность героя от семьи и всего мира.

Спутанность сознания Джека выдаёт и странная архитектура гостиницы. Кубрик намеренно задумал планировку сюрреалистической: первыми эти пространственные аномалии обнаружили создатели игры Duke Nukem, когда пытались сделать специальный уровень по мотивам фильма. Ведь в каком ещё месте, как не в закоулках, где двери ведут в никуда, герою столкнуться со своими потаёнными подсознательными страхами?

«Чёрный лебедь» Даррена Аронофски рассказывает о балерине Нине, которая пытается получить желанную роль и из‑за стремления к совершенству постепенно теряет связь с реальностью. И очень многое о героине мы понимаем, увидев, где она живёт.

Кадр из фильма «Чёрный лебедь» (2010)

Спальня Нины напоминает детскую — так много в ней розового цвета и плюшевых игрушек. Героиня в начале фильма и правда всё ещё ощущает себя маленьким ребёнком. Она зависима от матери, которая может спокойно раздеть взрослую дочь, чтобы осмотреть её травму. Но когда внутри Нины просыпается чувственность, девушка начинает сопротивляться контролю.

4. Демонстрация жутких дневников

Закончим приёмом, который уже стал киноштампом. Записи, сделанные рукой героя, могут многое рассказать о том, что происходит в его голове. Ведь именно личный дневник часто становится для человека отдушиной в сложных ситуациях.

Триллер Дэвида Финчера «Семь» (1995) открывается титрами, где фоном служат фрагменты дневника Джона Доу. Благодаря этому злодей с первых минут присутствует в повествовании, хотя до его появления на экране остаётся ещё почти полтора часа.

Дневники героя Кевина Спейси потом появятся и в самом фильме, правда, на пару мгновений. Тем не менее на их создание ушла немалая часть бюджета: дизайнер Клайв Пирси и каллиграф Джон Сейбл вручную сделали несколько записных книжек, заполненных словами и изображениями. Чего там только нет: замысловатый текст, эротические фото, кадры вскрытия тел.

Кубрик подошёл к созданию реквизита для «Сияния» не менее скрупулёзно. Режиссёр нанял машинистку, которая несколько месяцев печатала листы, покрытые словами All work and no play makes Jack a dull boy («Одна работа, никакого безделья, бедняга Джек не знает веселья»). И когда супруга писателя находит рукопись, случается поворотный момент фильма: безумие мужа отрицать нельзя.

Кадр из фильма «Сияние» (1980)

Кстати, для иностранных версий фильма Кубрик подобрал другие варианты фразы. Немецкая гласила Was Du heute kannst besorgen, das verschiebe nicht auf Morgen («Не откладывай на завтра то, что можно сделать сегодня»), а французская — Un tiens vaut mieux que deux tu l’auras («Лучше птица в руке, чем две — в кустах»).

Очень похожий сюжетный твист с разоблачением антигероя происходит в «Американском психопате» (2000). Помощница Патрика Бэйтмана ближе к финалу находит ежедневник босса и понимает, что за образом успешного бизнесмена‑яппи всё это время прятался клинический психопат, садист и убийца.

Кадр из фильма «Американский психопат» (2000)

Тодд Филлипс спрятал в «Джокере» множество мелочей, влияющих на наше понимание картины. Некоторые из них встроены в кино совсем ненавязчиво и могут ускользнуть от внимания даже самых внимательных зрителей. Среди таких пасхалок — блокнот Артура, куда он записывает свои мысли, наблюдения и идеи будущих шуток. Так вот, в начале фильма он делает записи только правой рукой.

Кадр из фильма «Джокер» (2019)

Но ближе к середине картины, когда истинное «я» героя — Джокер — начинает просыпаться, персонаж превращается в левшу. Левой рукой Артур держит пистолет и ей же пишет: «Я надеюсь, что в моей смерти будет больше смысла, чем в моей жизни».

Интересна ли вам тема психических расстройств на экране? Какие самые яркие воплощения душевных болезней в кино вы бы добавили к перечисленным выше? И какие фильмы, на ваш взгляд, передают суть психических болезней наиболее достоверно?

Читайте также 😱😨😰

Пристальный взгляд на код из лучшего доклада конференции по компьютерному зрению и распознаванию образов 2021 — GIRAFFE

25 июня завершилась конференция CVPR – 2021, и какая замечательная подборка докладов! Глубокое обучение продолжает доминировать в области компьютерного зрения: у нас есть новые методы для SLAM, оценки позы, оценки глубины, новые наборы данных, сети GAN, а также многочисленные доработки прошлогодних нейронных полей свечения[1] — NeRF, и это далеко не всё.

Возможно, вы уже слышали о работе GIRAFFE[2]. Получив главный приз за лучшую работу этого года, она объединяет сети GAN, NeRF и дифференцируемый рендеринг, чтобы генерировать новые изображения. Однако, что важнее, новый подход предоставляет модульный фреймворк конструирования и композиции трёхмерных сцен из объектов в полностью дифференцируемом и обучаемом стиле — и это на шаг приближает нас к миру нейронного 3D-дизайна. К старту курса о машинном и глубоком обучении делимся переводом статьи, автор которой подробно рассматривает исходный код GIRAFFE и создаёт несколько кратких примеров визуализаций. На КДПВ вы видите кадр из презентации GIRAFFE.


Вращение и перенос генерируемого GAN автомобиля с помощью GIRAFFE. Создано автором с использованием https://github.com/autonomousvision/giraffe, лицензия MIT

Нейронные поля свечения

Наглядное объяснение и демонстрация NeRF

Говоря коротко, NeRF представляет собой метод описания и визуализации трёхмерной сцены в терминах её плотности и излучения в любой заданной точке трёхмерного объёма. Она тесно связана с концепцией световых полей, то есть функций, выражающих, как свет проходит через данное пространство.

Для заданной точки (x,y,z) в пространстве изобразим луч с направлением (θ, φ) на сцену. Для каждой точки вдоль луча соберём её плотность и зависимое от вида излучаемое свечение в этой точке, затем объединим эти лучи в одно пиксельное значение, как при обычной трассировке лучей. При этом сцены NeRF обучаются на коллекции снятых в различных позах изображений объектов, похожих на те, что применяются в приложениях типа «структура исходя из движения».

GIRAFFE

Наглядное объяснение и демонстрация GIRAFFE

Обзор 

В сущности, GIRAFFE — это основанный на обучении, полностью дифференцируемый механизм рендеринга, позволяющий составлять сцену как совокупность нескольких «полей признаков», то есть обобщение полей сияния в NeRFs. Эти поля признаков представляют собой трёхмерные объёмы, где каждый воксел содержит вектор признака.

Поля признаков строятся путём композиции созданных GAN обученных представлений, принимающих латентные коды в качестве входа в трёхмерную сцену. Поля признаков применяются к 3D-объёму, поэтому можно применять преобразования подобия, такие как поворот, перенос и масштабирование. Можно даже составить целую сцену как совокупность отдельных полей характеристик. По сравнению с NeRF этот метод даёт такие преимущества:

  • Может представлять несколько объектов и один фон с независимыми преобразованиями (оригинальный NeRF поддерживает только одну «сцену» и не отделяет объекты друг от друга).

  • Может применять позы и преобразования подобия — поворот, перенос и масштабирование — к отдельным объектам.

  • Создающие поля признаков сети GAN могут независимо обучаться и повторно использоваться в качестве компонентов.

  • Имеет дифференцированный движок рендеринга со сквозным обучением.

  • Значения цвета не ограничиваются RGB и могут распространяться на другие свойства материала.

  • Для кодирования положения использует позиционное кодирование, как в трансформере, что также “вводит индуктивное смещение для изучения представлений трёхмерных форм в канонических ориентациях, которые иначе оказались бы произвольными”.

Проект GIRAFFE содержит исходный код, он может использоваться для воспроизведения фигур из проекта и даже для создания ваших сцен. Я дам краткое руководство по их исходному коду и покажу, как работать с GIRAFFE — создавать простые нейронные трёхмерные сцены.

Исходный код

Репозиторий GIRAFFE структурирован с учётом конфигурации. Файл configs/default.yaml определяет конфигурации приложения по умолчанию. Другие файлы конфигурации, например configs/256res/cars_256/pretrained.yaml, наследуют содержимое от этого файла при помощи ключа inherit_from и переопределяют значения по умолчанию, указывая другие пары «ключ — значение».

Этот подход позволяет не составлять входные параметры отдельно, а вместо этого выводить изображения, запустив скрипт с параметром render.py <CONFIG.yaml> и обучать сети запуском скрипта с параметром — train.py <CONFIG.yaml>.

Чтобы посмотреть на рендеры в деле, сначала выполните инструкции по быстрому запуску в файле README.md: так вы загрузите предварительно обученную модель и запишете ряд выходных визуализаций, они показаны ниже.

Вращение объектов из набора данных Cars (создано автором с использованием https://github.com/autonomousvision/giraffe, лицензия MIT)

Файл конфигурации просто берёт значения по умолчанию и вставляет предварительно обученную на наборе данных Cars модель. Этот файл создаёт довольно много визуализаций различных манипуляций с рендерингом, среди них — интерполяция внешнего вида, интерполяция формы, интерполяция фона, вращение и перенос. Эти визуализации задаются в файле configs/default.yaml ключом render_program, значение которого — список определяющих визуализации строк.

Они определяют «программы рендеринга», которые рендер GIRAFFE будет вызывать, обращаясь к render.py.

В методе render_full_visualization метода im2scene.giraffe.rendering.Renderer вы увидите ряд операторов if, которые ищут имена ещё большего количества программ рендеринга: object_translation_circle, render_camera_elevation и render_add_cars. Давайте посмотрим на них в деле. Создадим новый файл конфигурации с именем cars_256_pretrained_more.yaml и добавим в него такие строки:

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
inherit_from: configs/256res/cars_256.yaml
training:
  out_dir:  out/cars256_pretrained
test:
  model_file: https://s3.eu-central-1.amazonaws.com/avg-projects/giraffe/models/checkpoint_cars256-d9ea5e11.pt
rendering:
  render_dir: rendering
  render_program: ['render_camera_elevation', 'render_add_cars']

Это предыдущий файл, он работал с ключом render_program нашего стандартного файла; мы просто перезаписали в него новые программы рендеринга. Теперь, чтобы получить больше визуализаций, выполним такую команду:

python render.py configs/256res/cars_256_pretrained_more.yaml

Должно получиться что-то вроде этого:

Подъём камеры, набор данных Cars. Обратите внимание на то, как вместе с фоном и видом автомобиля в профиль меняется перспектива камеры: камера как будто вращается вокруг авто сверху вниз.

И вот так:

Добавление автомобилей с помощью набора данных Cars

Как эти программы рендеринга на самом деле размещают, переносят и поворачивают эти автомобили? Чтобы ответить на этот вопрос, внимательнее посмотрим на класс Renderer. В примере с рендером object_rotation выше вызывается метод Renderer.render_object_rotation.

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
class Renderer(object):
    # ...
    def render_object_rotation(self, img_out_path, batch_size=15, n_steps=32):
        gen = self.generator
        bbox_generator = gen.bounding_box_generator

        n_boxes = bbox_generator.
n_boxes # Set rotation range is_full_rotation = (bbox_generator.rotation_range[0] == 0 and bbox_generator.rotation_range[1] == 1) n_steps = int(n_steps * 2) if is_full_rotation else n_steps r_scale = [0., 1.] if is_full_rotation else [0.1, 0.9] # Get Random codes and bg rotation latent_codes = gen.get_latent_codes(batch_size, tmp=self.sample_tmp) bg_rotation = gen.get_random_bg_rotation(batch_size) # Set Camera camera_matrices = gen.get_camera(batch_size=batch_size) s_val = [[0, 0, 0] for i in range(n_boxes)] t_val = [[0.5, 0.5, 0.5] for i in range(n_boxes)] r_val = [0. for i in range(n_boxes)] s, t, _ = gen.get_transformations(s_val, t_val, r_val, batch_size) out = [] for step in range(n_steps): # Get rotation for this step r = [step * 1.0 / (n_steps - 1) for i in range(n_boxes)] r = [r_scale[0] + ri * (r_scale[1] - r_scale[0]) for ri in r] r = gen.
get_rotation(r, batch_size) # define full transformation and evaluate model transformations = [s, t, r] with torch.no_grad(): out_i = gen(batch_size, latent_codes, camera_matrices, transformations, bg_rotation, mode='val') out.append(out_i.cpu()) out = torch.stack(out) out_folder = join(img_out_path, 'rotation_object') makedirs(out_folder, exist_ok=True) self.save_video_and_images( out, out_folder, name='rotation_object', is_full_rotation=is_full_rotation, add_reverse=(not is_full_rotation)) # ...

Этот метод генерирует диапазон матриц вращения r для членов заданного пакета. Затем он итеративно передаёт члены этого диапазона (и некоторые значения по умолчанию для масштабирования и переноса) в метод сети GAN — forward, который задаётся ключом generator в файле default.yaml. Если теперь вы посмотрите на im2scene. giraffe.models.__init__.py, то увидите, что этот ключ сопоставлен с im2scene.giraffe.models.generator.Generator.

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
from im2scene.giraffe.models import generator
# ...
generator_dict = {
    'simple': generator.Generator,
}

Потерпите меня, пока смотрите на Generator.forward. Он принимает различные необязательные входные аргументы, такие как transformations, bg_rotation и camera_matrices, а затем передаёт их в свой метод volume_render_image, где происходит магия композиции. Латентные коды всех объектов сцены, включая наш фон, разбиваются на составляющие их формы и внешнего вида.

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
z_shape_obj, z_app_obj, z_shape_bg, z_app_bg = latent_codes

Здесь латентный код генерируется случайным образом при помощи функции torch.randn:

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
class Generator(nn. Module):
    # ...
    def get_latent_codes(self, batch_size=32, tmp=1.):
        z_dim, z_dim_bg = self.z_dim, self.z_dim_bg
        n_boxes = self.get_n_boxes()
        def sample_z(x): return self.sample_z(x, tmp=tmp)
        z_shape_obj = sample_z((batch_size, n_boxes, z_dim))
        z_app_obj = sample_z((batch_size, n_boxes, z_dim))
        z_shape_bg = sample_z((batch_size, z_dim_bg))
        z_app_bg = sample_z((batch_size, z_dim_bg))
        return z_shape_obj, z_app_obj, z_shape_bg, z_app_bg

    def sample_z(self, size, to_device=True, tmp=1.):
        z = torch.randn(*size) * tmp
        if to_device:
            z = z.to(self.device)
        return z
    # ...

А здесь прямой проход декодера отображает точки трёхмерного пространства и направление обзора камеры в значения σ и RGB (признак) для каждого объекта. К фону применяется другой генератор (для удобства детали опущены).

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
n_iter = n_boxes if not_render_background else n_boxes + 1
# . ..
for i in range(n_iter):
    if i < n_boxes:  # Object
        p_i, r_i = self.get_evaluation_points(pixels_world,
            camera_world, di, transformations, i)
        z_shape_i, z_app_i = z_shape_obj[:, i], z_app_obj[:, i]
        feat_i, sigma_i = self.decoder(p_i, r_i, z_shape_i, z_app_i)
        # ...
    else:  # Background
        p_bg, r_bg = self.get_evaluation_points_bg(pixels_world,
            camera_world, di, bg_rotation)
        feat_i, sigma_i = self.background_generator(
            p_bg, r_bg, z_shape_bg, z_app_bg)
        # ...
    feat.append(feat_i)
    sigma.append(sigma_i)
# ...

Затем, с помощью σ max либо среднего значения при помощи функции composite_function из этих отображений составляется композиция.

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
sigma_sum, feat_weighted = self.composite_function(sigma, feat)

Окончательное изображение создаётся путём взвешивания отображения признаков по объёму σ  вдоль вектора луча. Результат — один кадр в одном окне анимаций выше. Чтобы больше узнать о том, как построены di и ray_vector, смотрите generator.py,

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
weights = self.calc_volume_weights(di, ray_vector, sigma_sum)
feat_map = torch.sum(weights.unsqueeze(-1) * feat_weighted, dim=-2)

Подводя итоги, давайте попробуем создать собственную программу рендеринга: чтобы добиться эффекта вращения и скольжения автомобиля слева направо, просто комбинируем вращение и перенос глубины. Для этого напишем несколько простых дополнений к классу Renderer в rendering.py.

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
class Renderer(object):
    # ...
    def render_full_visualization(self, img_out_path,
            render_program=['object_rotation']):
        for rp in render_program:
            # ...
            # APPEND THIS TO THE END OF render_full_visualization
            if rp == 'object_wipeout':
                self. set_random_seed()
                self.render_object_wipeout(img_out_path)
    # ...
    # APPEND THIS TO THE END OF rendering.py
    def render_object_wipeout(self, img_out_path, batch_size=15,
            n_steps=32):
        gen = self.generator

        # Get values
        latent_codes = gen.get_latent_codes(batch_size, tmp=self.sample_tmp)
        bg_rotation = gen.get_random_bg_rotation(batch_size)
        camera_matrices = gen.get_camera(batch_size=batch_size)
        n_boxes = gen.bounding_box_generator.n_boxes
        s = [[0., 0., 0.]
             for i in range(n_boxes)]
        n_steps = int(n_steps * 2)
        r_scale = [0., 1.]

        if n_boxes == 1:
            t = []
            x_val = 0.5
        elif n_boxes == 2:
            t = [[0.5, 0.5, 0.]]
            x_val = 1.0

        out = []
        for step in range(n_steps):
            # translation
            i = step * 1.0 / (n_steps - 1)
            ti = t + [[0.1, i, 0.]]
            # rotation
            r = [step * 1. 0 / (n_steps - 1) for i in range(n_boxes)]
            r = [r_scale[0] + ri * (r_scale[1] - r_scale[0]) for ri in r]

            transformations = gen.get_transformations(s, ti, r, batch_size)
            with torch.no_grad():
                out_i = gen(batch_size, latent_codes, camera_matrices,
                            transformations, bg_rotation, mode='val')
            out.append(out_i.cpu())
        out = torch.stack(out)

        out_folder = join(img_out_path, 'object_wipeout')
        makedirs(out_folder, exist_ok=True)
        self.save_video_and_images(
            out, out_folder, name='object_wipeout',
            add_reverse=True)

Скопируйте эти дополнения в rendering.py и создайте файл конфигурации configs/256res/cars_256_pretrained_wipeout.yaml:

# adapted from https://github.com/autonomousvision/giraffe (MIT License)
inherit_from: configs/256res/cars_256.yaml
training:
  out_dir:  out/cars256_pretrained
test:
  model_file: https://s3.eu-central-1. amazonaws.com/avg-projects/giraffe/models/checkpoint_cars256-d9ea5e11.pt
rendering:
  render_dir: rendering
  render_program: ['object_wipeout']

Выполнив python render.py configs/256res/cars_256_pretrained_wipeout.yaml, вы должны получить примерно такой результат:

Объект «wipeout», полученный из набора Cars. Обратите внимание, каким образом автомобиль вращается при движении слева направо.

Заключение

GIRAFFE — это захватывающее пополнение в потоке последних исследований в области NeRF и GAN. Представление поля сияния описывает мощный, расширяемый фреймворк, с помощью которого возможно строить трёхмерные сцены в обучаемом и дифференцируемом стиле.

Ссылки

[1] Ben Mildenhall, Pratul P. Srinivasan, Matthew Tancik, Jonathan T. Barron, Ravi Ramamoorthi, Ren Ng — NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (2020), ECCV 2020.

[2] Michael Niemeyer, Andreas Geiger — GIRAFFE: Representing Scenes as Compositional Generative Neural Feature Fields (2021), CVPR 2021.

Статья открывает интересные возможности для экспериментов с изображениями и напоминает о том, насколько быстро развивается глубокое обучение. Но чтобы двигать область вперёд по-прежнему нужны люди. Если вам инетесна сфера машинного и глубокого обучения, то вы можете присмотреться к программе курса «Machine Learning и Deep Learning», где рассматривается множество различных нейронных сетей, включая сети GAN, а если вас интересует лаконичный Python, вы можете обратить внимание на наш курс о Fullstack-разработке на этом языке.

Узнайте, как прокачаться и в других специальностях или освоить их с нуля:

Другие профессии и курсы

ПРОФЕССИИ

КУРСЫ

Пристальный взгляд хорошо мотивирует учащихся. Даже если смотрит робот / Skillbox Media

Все мы знаем, что педагоги часто используют прямой и пристальный взгляд, чтобы поощрить ученика принять участие в уроке. Оказалось, что роботы тоже так могут. Это доказало недавнее исследование Королевского технологического института (Швеция). В качестве объектов для эксперимента выступили носители шведского языка и те, кто его только изучает.

Выглядело это так: одновременно с роботом взаимодействовали два человека, только один из которых свободно говорил по-шведски. Им была предложена игра, напоминающая Алиас, когда один участник описывает предметы и действия, а второй — угадывает, о чём идёт речь. Робот угадывал слова, а его собеседники давали ему подсказки на шведском языке, чтобы он мог ответить правильно. Важная деталь: робот двигал глазами, потому что в качестве лица у него была специально разработанная пластиковая маска с анимированной проекцией.

Казалось бы, носители языка должны участвовать в такой игре активнее, чем те, кто его учит. Однако результат получился обратным. Робот смотрел на тех, кто знает шведский не так хорошо, и молча ждал, пока они заговорят. И в итоге именно они более охотно вступали в игру.

По мнению авторов работы Сары Джиллет и Рональда Кумбала, это доказывает, что роботы могут быть очень полезными для групповой работы на уроках, когда у учащихся разный уровень и более слабых нужно подстёгивать к активным действиям. Они также отметили, что обращение к ученику по имени — не всегда лучший способ мотивации.

«Взгляд может очень динамично влиять на количество людей, участвующих в групповой работе, особенно если есть естественная тенденция к дисбалансу из-за различий в уровне владения языком. Зрительный контакт способен преодолеть эту разницу. Даже если есть дисбаланс в навыках, необходимых для выполнения каких-то действий, взгляд робота может влиять на то, как участники проявляют себя», — пояснила Сара Джиллет.

Раз даже взгляд робота обладает мотивирующим эффектом, зрительный контакт с преподавателем наверняка действует ещё лучше. Если вы видите, что кто-то из ваших учеников не слишком охотно участвует в занятии, стоит попытаться пристально на него взглянуть.

Но что делать, если учеников слишком много и на каждого не насмотришься? Наверное, скоро на подмогу придут роботы.


Александра Лапина

Редактор новостей об образовании в Skillbox Media. Магистр в области международных отношений. Интересуется сферой образования, изучением иностранных языков и с удовольствием путешествует.


Пристальный взгляд на YouTube | Forbes.ru

С тех пор как в конце 2006 года компания Google заплатила за YouTube $1,65 млрд, пользователи загрузили на этот хостинг в общей сложности 3500 лет видеороликов. Если поиграть цифрами, выходит, что Google заплатил 90 центов за минуту видео и эта цена с каждым днем снижается. Но какая от этого польза для Google, кроме факта владения самым популярным видеосайтом интернета? По оценкам консалтинговой фирмы RampRate, в этом году операционный убыток YouTube составит $174 млн при выручке $240 млн. Финансовый директор Google Патрик Пишет заявил, что в недалеком будущем YouTube станет доходным, но пока это лишь его мнение.

В YouTube о планах выхода на окупаемость говорят предельно осторожно. Маргарет Гулд Стюарт, глава отдела YouTube по взаимодействию с пользователями, утверждает, что, по ее наблюдениям, на сайте становится больше комментариев и больше попыток связать воедино разнородное содержание. Медленно, но верно, говорит Стюарт, онлайновое видео из «пассивного средства коммуникации превращается в интерактивное».

«Когда вы работаете с контентом, созданным пользователями, вы сотрудничаете с несколькими миллионами человек», — объясняет она смысл своей работы.

Реклама на Forbes

YouTube постоянно следит за тем, как люди смотрят выложенные видеоролики, качество которых весьма разнообразно — от ужасного до профессионального. Если Google научится лучше удовлетворять запросы зрителей, компании удастся лучше удовлетворить и рекламодателей. Стюарт работает над тем, чтобы видео приспосабливалось к любому экрану, на котором пользователь его может смотреть: от компактного мобильного устройства до настенного телевизора. А еще сам YouTube или его пользователи могут теперь создавать виртуальные видеосети, наполненные выбранными клипами, например комедийными или новостными.

«Надо смотреть на все глазами конечных пользователей», — говорит Стюарт, листая стопку раскадровок будущих видеопроектов с названиями вроде «Развлечения повсюду». По крайней мере часть этих проектов «может стать будущим YouTube», если инженеры компании удачно их реализуют.

Географическая и демографическая статистика просмотров уже заставила одного американского создателя клипов сделать к своей работе субтитры на арабском: его ролик популярен в Саудовской Аравии. Другой пользователь, певец из Канады, решил выйти на коммерческое телевидение: его песни полюбились множеству детей.

Компания продолжает подбирать лучший способ показа для каждого видеоролика. Пользовательский интерфейс YouTube скоро можно будет менять в зависимости от того, что делает пользователь: создает интерактивные ролики, комментирует или просто смотрит. Недавнее новшество: возможность смотреть трехмерное видео (очки не прилагаются).

Следующая задача — это поиск. Google — мастер поиска, но в YouTube поиск пока остается утомительным приключением. При онлайновом поиске запросы соотносятся с веб-страницами, содержимое которых известно. При работе с видео проблема не только в том, что поисковой машине сложно узнать, о чем ролик, — большинству пользователей трудно сформулировать, чего именно они хотят.

«Возможно, поиск — это не самое подходящее слово для подбора видео по запросу пользователя, — считает Джеймс Дэвидсон, сотрудник Стюарт. — Что нам действительно нужно сделать — это кнопку «Развлекайте меня 10 минут». Тогда все будет как надо».

Пристальный взгляд отвратил чаек от кражи — Наука

Ученые выяснили, что если человек будет пристально смотреть на чайку, то та при краже еды будет медлить или вовсе не решится на преступление. Авторы исследования считают, что их результаты могут помочь в разрешении конфликта между чайками и человеком.

Человек — одна из самых серьезных угроз для животных на Земле. Наглядно проиллюстрировать этот тезис могут отношения между людьми и чайками. За период с 1969 по 2015 год популяция серебристых чаек (Larus argentatus) Великобритании уменьшилась на 60% из-за того, что люди лишают их естественных мест обитания.

Конфликт обостряется тем, что, потеряв свой дом, чайки стали переселяться на здания и другие постройки. Эти птицы — клептопаразиты, то есть любят красть чужую еду, что тоже не способствует миру между двумя видами. Некоторые птицы боятся человеческого взгляда, и ученые из Эксетерского университета (Великобританиия) решили проверить, справедливо ли это для чаек. 

Во время эксперимента один из ученых сидел на набережной, в полутора метрах перед ним лежал прозрачный пакет с чипсами. Чайки подлетали ближе, увидев чипсы. Ученые засекали, сколько птице нужно было времени на то, чтобы подойти к пакету и проверить его на прочность. Все это время женщина не сводила с птицы глаз и не отворачивала от нее головы. 

Читайте также: Потерянные кошельки рассказали о честности россиян

 

 

После этого пакет прятали, а с той же чайкой повторяли эксперимент, но уже не глядя на нее: исследователь поворачивал голову влево или вправо на 60°, щелкнув секундомером. Каждый тест длился пять минут.

Авторы исследования пытались проверить таким образом 74 чайки, но эксперимент удалось довести до конца только с 19 особями. Остальные или приблизились к чипсам не по условиям испытания, или улетали после первого эксперимента.

Результаты показали, что если человек смотрел на чайку, то она дольше шла к чипсам. В среднем птицы в этом случае тратили на 21 секунду больше, чем тогда, когда ученый отворачивался. Шесть птиц, заметив взгляд человека, вовсе не стали брать еду во время отмеренных пяти минут — только топтались рядом, не решаясь схватить пакет. Без наблюдения они все же осмеливались на это.

 

Чайка боится воровать чипсы, если на нее смотрятUniversity of Exeter

Ученые отметили, что чайки, которые под пристальным взглядом человека медлили дольше других, вели себя совсем иначе, когда наблюдатель отворачивался. В этом случае они старались схватить еду как можно быстрее.

 

Чайка не боится воровать чипсы, если на нее не смотрятUniversity of Exeter

Ученые пишут, что прямого взгляда человека боятся рептилии, птицы и млекопитающие, а значит, у этого страха глубокая эволюционная история, что интересно само по себе. Результаты исследования, как считают авторы, помогут смягчить конфликт между чайками и человеком, по крайней мере тот, что возникает из-за чипсов.

Xbox Velocity Architecture: пристальный взгляд на технологию следующего поколения в Xbox Series X, двигающую игровые инновации вперед – Новости и истории Microsoft

Автор: Джейсон Рональд, директор управления программами, Xbox Series X

Click here to load media

Xbox Series X: цели при создании консоли

Мы приступили к проектированию Xbox Series X с намерением создать нашу самую мощную консоль без всяких компромиссов, в основу которой лягут инновации следующего поколения, и которая способна обеспечить невиданную ранее совместимость и стабильную производительность. Мы знали, что для достижения этой цели необходимо проанализировать каждый компонент системы, выйти за пределы традиционных для консолей конструкционных и мощностных ограничений. При создании Xbox Series X было критически важно обеспечить выверенный баланс мощности, скорости и производительности, а также убедиться, что ни один компонент не сдерживает творческие амбиции лучших мировых разработчиков – консоль должна наделить их силой создания невероятных ощущений и эмоций от следующего поколения игровых возможностей.

Сердцем Xbox Series X является наш специальный процессор, использующий все преимущества новейших архитектур RDNA 2 и Zen 2 от наших партнеров из AMD. Это чип следующего поколения с графическим ускорителем вычислительной мощностью 12 Тфлопс и вчетверо большей производительностью центрального процессора, чем у Xbox One X. Xbox Series X располагает памятью с самой широкой пропускной способностью среди всех консолей следующего поколения: 16 Гб памяти GDDR6, включая 10 Гб оптимизированной памяти графического ускорителя, которая на скорости 560 Гб/с обеспечивает процессор задачами без каких бы то ни было проблемных «узких мест». При анализе подсистемы хранения данных стало ясно, что мы подошли к пределам возможностей традиционных жестких дисков – чтобы достичь конструкторских задач, поставленных перед Xbox Series X, нам нужно радикально переосмыслить наш подход к хранению данных.

Мощь для геймдизайна и творческого видения следующего поколения

Для создания реалистичных миров и вселенных, в которые погружается игрок, современным играм требуется значительный объем данных. Чтобы процессор работал в режиме оптимальной производительности, все эти данные необходимо загрузить из системы хранения в память. Взрывной рост популярности колоссального, динамического окружения и живых открытых миров, наполненных контентом и разнообразием, еще больше повысил требования к объему данных. Данные о структуре окружения, высокополигональные модели персонажей, текстуры высокого разрешения, данные анимаций, исходные аудио- и видеофайлы и прочее – все это соединяется воедино, чтобы создать для пользователя правдоподобное игровое окружение.

Несмотря на способность современных игровых движков и инструментов подгружать игровые ресурсы в память с локального хранилища, дизайнерам уровней зачастую все равно требуется создавать узкие проходы, коридоры или лифты, чтобы обойти ограничения традиционных жестких дисков и конвейера ввода-вывода. Эти элементы в играх, как правило, маскируют необходимость выгрузить из памяти ресурсы предыдущей локации и загрузить в нее ресурсы следующей. Обсуждая с разработчиками их стремления относительно игр следующего поколения и технологические ограничения поколения текущего, мы пришли к выводу, что описанные трудности продолжат расти экспоненциально и еще больше ограничат творческие амбиции в действительно прорывных играх. Эта обратная связь повлияла на проектирование и разработку технологии Xbox Velocity Architecture.

Представляем Xbox Velocity Architecture

Технология Xbox Velocity Architecture создавалась как наилучшее решение для загрузки игровых ресурсов в следующем поколении. Это радикальное переосмысление традиционной подсистемы ввода-вывода оказало прямое влияние на все аспекты устройства Xbox Series X. Если наш специальный процессор – это сердце Xbox Series X, то Xbox Velocity Architecture – душа. Благодаря глубокой интеграции аппаратных и программных инноваций именно мощь Xbox Velocity Architecture послужит основой игровых впечатлений от проектов следующего поколения.

Xbox Velocity Architecture состоит из четырех ключевых компонентов: нашего специального NVME SSD, блоков распаковки с аппаратным ускорением, абсолютного нового слоя DirectStorage API и технологии Sampler Feedback Streaming (SFS).

Давайте углубимся в каждую составляющую по отдельности:

  • Специальный NVME SSD: основой Xbox Velocity Architecture выступает наш специальный NVME SSD емкостью 1 Тб, обеспечивающий 2,4 Гбайт/с чистой пропускной способности в операциях ввода-вывода, что более чем в 40 раз быстрее, чем у Xbox One. Традиционные SSD, используемые в ПК, зачастую снижают производительность при росте температур или проведении обслуживания носителя. Специальный NVME SSD в Xbox Series X создан для обеспечения постоянной, стабильной производительности, а не её пиковых значений. Разработчики получают гарантированный уровень производительности ввода-вывода в любое время, что позволяет им надежно продумывать и оптимизировать свои игры – без оглядки на барьеры и ограничения, присутствующие сегодня. Этот же уровень постоянной, стабильной производительности обеспечивает накопитель Seagate Expandable Storage Card, поэтому играя с ним вы получите идентичные ощущения и эмоции от игры без оглядки на то, где хранятся её файлы.
  • Аппаратное ускорение распаковки: игровые данные и ресурсы сжимают, чтобы игры загружались на устройство быстрее и занимали на накопителе меньше места. Благодаря поддержке аппаратного ускорения распаковки стандартных в индустрии LZ-файлов, а также нового проприетарного алгоритма BCPack, предназначенного для данных текстур, Xbox Series X объединяет лучшее из двух миров – разработчики смогут сэкономить массу места без ущерба качеству или производительности. Данные текстур составляют значительную долю от общего объема игры, поэтому полезно иметь специально созданный и оптимизированный для них алгоритм распаковки, а не только LZ-распаковщик общего назначения – оба инструмента можно использовать параллельно, чтобы уменьшить общий размер игровых файлов. При степени сжатия 2:1 Xbox Series X обеспечивает игре производительность ввода-вывода равную 4,8 Гб/с – примерно в сто раз быстрее, чем на текущем поколении консолей. Чтобы обеспечить подобный уровень производительности программными методами, потребовалось бы больше четырех ядер центрального процессора Zen.
  • Новый DirectStorage API: базовые API для ввода-вывода стандартных файлов разработаны более 30 лет назад – с тех пор они остались практически неизменными, а вот технологии хранения данных за это время значительно продвинулись вперед. Мы анализировали шаблоны доступа игр к данным и новейшие достижения в области SSD и поняли, что нужно продвинуть вперед текущий уровень развития, чтобы дать разработчикам больше контроля. Мы добавили DirectStorage API в семью DirectX, что обеспечит разработчикам тонкий контроль над операциями ввода-вывода – это позволит организовать несколько очередей ввода-вывода, настроить приоритизацию, снизить задержки ввода-вывода. Этот прямой доступ к низкоуровневым API позволит разработчикам задействовать чистую мощь железа в работе с операциями ввода-вывода, что избавит игры от долгих загрузок и сделает системы быстрого перемещения именно такими – быстрыми.
  • Sampler Feedback Streaming (SFS): Sampler Feedback Streaming – свежая инновация, надстроенная поверх других наших достижений в Xbox Velocity Architecture. Игровые текстуры оптимизируются по методу MIP-текстурирования – это когда во время рендеринга загружается одна из копий текстуры с необходимым уровнем детализации, в зависимости от расстояния объекта до игрока. При приближении игрока к объекту разрешение текстуры должно возрастать, чтобы обеспечить четкую детализацию и графику, которую ожидает пользователь. Однако крупные MIP-текстуры требуют значительно больше памяти, чем маленькие, которые применяются для текстурирования отдаленных объектов сцены. Сейчас разработчикам приходится загружать весь MIP-уровень в память, даже в тех случаях, когда им нужна лишь небольшая часть всей текстуры. С помощью специализированного железа, подключенного к Xbox One X, мы смогли проанализировать использование текстур графическим процессором, и выяснили, что он зачастую обращается лишь к 1/3 данных текстур, которые требуется загрузить в память. Одна сцена может включать тысячи различных текстур, из-за чего память и пропускная способность конвейера ввода-вывода могут использоваться неэффективно – они то простаивают, то «забиваются». Располагая этими сведениями, мы смогли расширить возможности графического процессора Xbox Series X, что позволило ему загружать только часть MIP-уровня текстуры в память – по требованию, как раз тогда, когда графическому процессору нужны эти данные. Эта инновация повысила эффективность конвейера ввода-вывода и использования памяти в среднем в 2,5 раза, далеко за пределы чистой аппаратной мощи устройства. SFS, по сути, преумножает доступную системную память и пропускную способность ввода-вывода, что предоставляет разработчикам больше ресурсов для создания богатых и насыщенных игр.

Благодаря значительному ускорению конвейера ввода-вывода, аппаратному ускорению распаковки, DirectStorage и ощутимому приросту эффективности, который обеспечивает Sampler Feedback Streaming, технология Xbox Velocity Architecture позволяет Xbox Series X демонстрировать эффективную производительность, выходящую далеко за пределы чистой аппаратной мощи консоли, и обеспечивает прямой, мгновенный, низкоуровневый доступ к более чем 100 Гб игровых данных на SSD как раз тогда, когда игра того требует. Эти инновации откроют новую страницу игровых ощущений, обеспечат глубину и погружение в игры, каких вы не испытывали прежде.

Ключ к игровым ощущениям нового поколения

Что это значит для вас как для игрока? Самые творческие разработчики и создатели инструментариев уже исследуют новые возможности Xbox Series X, поэтому в следующем поколении мы ожидаем значительных инноваций – революционная архитектура позволит реализовать новые сценарии, которые прежде были невозможны в играх. Xbox Velocity Architecture обеспечивает новый уровень производительности и возможности, выходящие далеко за рамки чистых спецификаций аппаратной части. Xbox Velocity Architecture фундаментально меняет подход к тому, как разработчики могут использовать аппаратные преимущества Xbox Series X. Мы очень взволнованы первыми результатами – от абсолютно новых методов рендеринга и избавления от загрузочных экранов до более крупных, живых и динамически меняющихся миров, которые вы, как игрок, исследуете так, как считаете нужным. К тому же Xbox Velocity Architecture открыла еще больше возможностей и проторила дорогу к инновациям на уровне платформы, таким как Quick Resume, которая позволяет в мгновение ока продолжить играть с того места, где вы остановились в прошлый раз – в нескольких играх одновременно. Это улучшит игровой процесс всех пользователей Xbox Series X.

Мы с нетерпением ждем, когда игроки по всему миру смогут лично почувствовать мощь нового поколения с Xbox Series X – в ближайший предновогодний сезон и после. Если хотите узнать больше о Xbox Velocity Architecture, посмотрите видео выше.

Tags: Xbox, Xbox Series X, Xbox Velocity Architecture

Взгляд Определение и значение | Британский словарь

смотрит; смотрел; глядя

смотрит; смотрел; глядя

Определение STARE в Британском словаре

[нет объекта]

: долго смотреть на кого-то или что-то широко открытыми глазами
  • Она была и смотрела прямо перед собой.= Ее глаза были и смотрели прямо перед собой.

  • Она смотрела в окно.

  • Его мать сказала ему не смотреть .

— часто + на
  • Мы просто сидели и смотрели друг на друга.

  • Они смотрели в недоумении на место аварии.

  • Я провожу много времени глядя на экран компьютера.

— часто употребляется в переносном значении

смотреть кинжалами (на кого-то)

— увидеть кинжал

смотреть вниз

(НАС) [фразовый глагол] или британский пялиться

смотреть (на кого-то) сверху вниз или смотреть вниз/вниз (на кого-то)

: без страха смотреть кому-то прямо в глаза, пока ему или ей не станет неловко и он не отвернется — часто употребляется в переносном значении

смотреть (отключить) в космос

— см. 1 место

смотреть (кому-то) в лицо

также в основном США смотреть (кому-то) в глаза

: смотреть прямо в глаза (кому-либо) — обычно употребляется в переносном значении
  • Решение было смотрящим мне в лицо .[=решение было очевидным]

  • Неудача была смотрящей ему в лицо . [=он был очень близок к провалу; он почти наверняка потерпел неудачу]

  • Они смотрели смерти в лицо/глаза [=они были очень близки к смерти; они сделали что-то очень опасное, что могло привести к их смерти] и не дрогнули.

2 глазеть /ˈsteɚ/ имя существительное

множественное число смотрит

множественное число смотрит

Определение STARE в Британском словаре

[считать]

: акт пристального взгляда на кого-то или что-то в течение длительного времени : акт пристального взгляда
  • Они посмотрели на меня обвиняющими взглядами .

  • Я спросил его об этом, но мой вопрос только привлек/получил пустой взгляд. [=он посмотрел на меня таким образом, который показал, что он не понимает или не знает ответа на мой вопрос]

исправить (кого-то) взглядом

— см. 1 исправление

Посмотреть решительный | Векс | Закон США

Stare decisis — это доктрина, согласно которой суды будут руководствоваться прецедентом при принятии своих решений.Stare decisis в переводе с латыни означает «стоять на своем».

Когда суд сталкивается с юридическим спором, если предыдущий суд вынес решение по тому же или тесно связанному вопросу, то суд выносит свое решение в соответствии с решением предыдущего суда. Предыдущий решающий суд должен иметь обязательную власть над судом; в противном случае предыдущее решение является просто авторитетом убеждения. В деле Kimble v. Marvel Enterprises   Верховный суд США описал обоснование stare decisis как «поощрение беспристрастного, предсказуемого и последовательного развития правовых принципов, поощрение доверия к судебным решениям и ] к фактической и предполагаемой честности судебного процесса.”

Доктрина действует как по горизонтали, так и по вертикали. Горизонтальный взгляд на решение относится к суду, придерживающемуся собственного прецедента. Например, если Апелляционный суд седьмого округа придерживается решения предыдущего дела Апелляционного суда седьмого округа, это будет считаться горизонтальным решением. Суд принимает решение по вертикали, когда применяет прецедент вышестоящего суда. Например, если бы Апелляционный суд Седьмого округа придерживался предыдущего решения Верховного суда США, это было бы вертикальным решением.Или, кроме того, если Федеральный окружной суд Южного округа Нью-Йорка поддержит предыдущее решение Второго округа, это будет вертикальным решением.

Хотя суды редко отменяют прецедент, Верховный суд США в деле Племя семинолов во Флориде против Флориды пояснил, что решительный взгляд не является «неумолимым приказом». Когда предыдущие решения «неосуществимы или плохо аргументированы», тогда Верховный суд может не следовать прецеденту, и это «особенно верно в отношении конституционных дел.Например, в решении по делу Браун против Совета по образованию Верховный суд США прямо отказался от решения по делу Плесси против Фергюсона , тем самым отказавшись применять доктрину stare decisis.

[Последнее обновление в декабре 2021 года командой Wex Definitions Team]

Как реагировать, когда кто-то смотрит на вас

Большинство людей с видимым отличием или обезображиванием слишком хорошо знакомы с людьми, смотрящими с любопытством или удивлением. Пристальный взгляд может быть трудным, неудобным, неприятным или даже оскорбительным.

Многие люди с видимыми отличиями считают, что может быть полезно иметь план того, как реагировать, когда кто-то смотрит на вас.

На этой странице мы поделимся некоторыми советами и методами, которые вы можете использовать, если замечаете, что люди смотрят на вас.

Почему люди пялятся

Попытка понять, почему люди пялятся на тех, у кого явное отличие или уродство, может помочь. Это само по себе может помочь понять, как реагировать, когда кто-то смотрит на вас.

Не каждый встречал кого-то с таким же заболеванием, отметиной или шрамом раньше, и большинству из нас естественно любопытно, когда мы видим кого-то или что-то новое.Люди часто смотрят дольше, чем обычно, не осознавая, что они это делают, чтобы понять смысл того, что они видят. Люди могут смотреть, переоценивать или отворачиваться, потому что они удивлены, чувствуют себя некомфортно или не знают, как действовать.

Большинство людей намеренно не причиняют вреда. Может быть, вы могли бы вспомнить время, когда вы были заинтересованы, шокированы или удивлены чьей-то другой внешностью — возможно, вы также были любопытны и искали дольше, чем обычно. Вы можете найти это обнадеживающим, если увидите, что люди смотрят на вас.

Хотя полезно помнить, что большинство людей не злые и не хотят задеть ваши чувства, все же может быть утомительно и неприятно наблюдать, как люди пялятся на вас, когда вы выходите из дома.

Каждый день люди смотрят на меня. Люди должны осознавать, как это заставляет чувствовать кого-то с видимым отличием — наличие видимого отличия означает, что у него никогда не будет выходных. Я не могу снять свои шрамы и забыть о них. Каждый день, когда я выхожу из дома, мне нужно проверить себя, чтобы понять, как я буду справляться с пристальным взглядом или комментариями.

Тулси

Советы по обращению со взглядом

Если вы обнаружите, что люди пялятся на вас из-за вашего внешнего отличия или уродства, то, как вы отреагируете, зависит от вас. Вы можете реагировать по-разному в зависимости от ситуации и того, как вы себя чувствуете в данный момент.

Если хотите, попробуйте эти советы по обращению со взглядом в различных ситуациях:

Помогите человеку осознать, что он смотрит

  • Оглянитесь, улыбнитесь и ненадолго задержите взгляд другого человека.Большинство людей улыбнутся в ответ, а затем отвернутся.
  • Оглянитесь, улыбнитесь или кивните, чтобы показать им, что вы заметили — это также может растопить лед.
  • Для людей, которые смотрят более пристально, оглянуться и задержать взгляд, подняв брови в знак того, что вы заметили их взгляды.
  • Если взгляды продолжаются, нахмурьтесь, чтобы сказать им, что вы недовольны.

Можно контролировать социальную ситуацию, когда люди смотрят, просто улыбаясь или говоря «Привет».Я работаю в магазине и вижу, что большинство людей улыбаются в ответ, отвечают и на самом деле понимают, что вы «нормальный». Другие продолжат то, что я считаю враждебным поведением, что может расстраивать, но я просто думаю, какая это пустая трата времени!

Элисон

Решите не отвечать

Вы можете заметить, что люди смотрят на ваше видимое отличие или уродство, и решить, что вы не собираетесь им отвечать. Это не означает, что вы «отпускаете их». В вашей власти выбрать, как вы будете реагировать на других.

Почему моя кошка смотрит на меня?

Вы когда-нибудь просыпались и обнаруживали свою кошку, лежащую у вас на груди и смотрящую прямо вам в глаза? Или, может быть, вы чувствуете, как эти зеленые глаза просверливают дыру в вашей спине, пока вы работаете за компьютером? О чем думает ваша кошка?

Вы читали, что прямой зрительный контакт в кошачьем мире считается угрозой, поэтому вы можете задаться вопросом: «Что я сделал?»
 

Ответ может быть никакой. Есть несколько различных сценариев, в которых кошки могут смотреть на вас, — вот как вы можете определить разницу.

Оцените язык тела вашей кошки

Глаза могут быть зеркалом души, но прежде чем вы начнете слишком беспокоиться о том, что ваша кошка может спровоцировать вашу неминуемую кончину, помните, что кошачье общение включает в себя больше, чем просто зрительный контакт. Ваш первый шаг — прочитать язык его тела — от глаз до кончика хвоста.

Счастливый кот

Когда вы видите, что ваш кот смотрит на вас, стоит ли он прямо, с опущенным хвостом? То, как ваша кошка принимает позу, может многое сказать о том, как она себя чувствует.

Два разных положения тела, сопровождаемые взглядом, дают две разные истории. Если ваш кот смотрит на вас, медленно моргая, когда он находится в нескольких дюймах от вашего лица, такое кошачье поведение на самом деле является признаком привязанности.

Моргание — это дружеский жест, поэтому мы можем с уверенностью предположить, что в сочетании с свободным, расслабленным языком тела ваша кошка говорит вам, что хочет быть рядом с вами и проводить с вами время.

Или это может быть его способ разбудить вас.Хочет ли он завтракать прямо сейчас или хочет, чтобы вы встали и составили ему компанию, этот язык тела дружелюбен и означает, что он просто хочет вашего внимания.

Злой кот

Свободный, расслабленный язык тела не наблюдается у кошек, которые собираются напасть. Расстроенная кошка будет демонстрировать характерные признаки, такие как расширение зрачков, повернутые в сторону уши, жесткое тело и взволнованный хвост, который качается из стороны в сторону.

Этот язык тела, в дополнение к прямому зрительному контакту, определенно является потенциальной угрозой и сигналом о том, что вашей кошке нужно немного пространства.В этом случае лучше всего отвести взгляд, отвлечь кошку и перенаправить ее внимание на другое занятие, чтобы увеличить расстояние между вами и кошкой.

Вы можете слегка постучать по столу или бросить скомканный лист бумаги или ручку через всю комнату, чтобы ваша кошка погналась за ними.

Независимо от того, участвует ли ваша кошка в игре, это помогает разорвать зрительный контакт и снять напряжение. Когда ваша кошка станет спокойнее, займите ее чем-нибудь, что ей действительно нравится, например, погоняйте за игрушкой-удочкой или поиграйте с ее гофрированной кошачьей игрушкой.

Испуганный кот

Если ваша кошка смотрит на вас и присела, подвернув хвост под тело, или если она прячется за предметом мебели, это признак того, что ваша кошка боится.

Что бы вы ни делали непреднамеренно, например, подпрыгивали и кричали, когда ваша футбольная команда забила тачдаун, или случайно споткнулись и уронили предмет, вы напугали свою кошку. Иногда это может быть шум, который ваша кошка услышала за пределами вашего дома.

Мысленно он следит за опасностью.Он будет смотреть на того, кто находится ближе всего, издает громче всех или двигается. Это хорошее время, чтобы сделать несколько глубоких медитативных вдохов, чтобы успокоиться.

Держитесь на приличном расстоянии, чтобы еще больше не напугать кошку, возьмите вкусные лакомства для кошек, такие как сублимированные лакомства для кошек PureBites с курицей или сублимированные лакомства из дикого аляскинского лосося Life Essentials, и бросьте их кошке.

Если он большой любитель лакомств, ему будет очень трудно оставаться в страхе и есть свои любимые лакомства.Вы также можете попробовать поместить эти лакомства в интерактивную игрушку для кошек или центр кормления, например, в игрушку для кошек KONG с активным лакомством или интерактивную игрушку для кошек Trixie. Работа ради лакомства поможет ему отвлечься от того, что раньше его пугало.

Как кошки учатся привлекать ваше внимание

Кошки могут быть очень умными, когда дело доходит до изучения способов привлечь внимание своего владельца. От прямого вокала до более тонкого кошачьего взгляда, кошачьи не новички, когда дело доходит до слов: «Эй! Посмотри на меня.

Я знаю, что всегда больше разговариваю и глажу своих кошек, когда вижу, что они смотрят на меня. Итак, кошка, уставившаяся в моем случае, — это способ моей кошки сигнализировать о своем желании, чтобы я пообщался с ней.

Некоторые кошки научились, как и некоторые собаки, сидеть перед своими владельцами и смотреть, чтобы их владельцы кормили их или играли с ними.

Взгляд может быть грубым в человеческом обществе, но в мире животных он передает много разных сообщений. Узнайте, что ваша кошка может сказать вам, чтобы укрепить вашу связь с ней.

Избранное изображение: iStock.com/SashaFoxWalters

Как важно смотреть в окно

Мы склонны упрекать себя за то, что смотрим в окно. Вы должны работать, или учиться, или отмечать дела в своем списке дел. Это может показаться почти определением потраченного впустую времени. Кажется, что он ничего не производит, не служит никакой цели. Мы приравниваем его к скуке, отвлечению внимания, бесполезности. Акт обхвата подбородка ладонями возле оконного стекла и отвода взгляда на среднее расстояние обычно не пользуется высоким престижем.Мы не ходим вокруг, говоря: «У меня был отличный день: кульминацией было то, что я смотрел в окно». Но, может быть, в лучшем обществе именно так люди и говорили бы друг другу.

Гюстав Кайботт, Молодой человек у своего окна, 1875: Стремление придать гламур и более высокий статус деятельности, которая на протяжении веков осуждалась и клеветала моралистами, учителями, работодателями, родителями — и нашей собственной нечистой совестью.

Смысл смотреть в окно, как это ни парадоксально, не в том, чтобы узнать, что происходит снаружи.Это, скорее, упражнение в раскрытии содержания нашего собственного ума. Легко представить, что мы знаем, о чем думаем, что чувствуем и что происходит у нас в голове. Но мы редко делаем это целиком. Огромное количество того, что делает нас теми, кто мы есть, циркулирует неисследованным и неиспользованным. Его потенциал остается неиспользованным. Он застенчив и не всплывает под давлением прямого вопроса. Если мы делаем это правильно, взгляд в окно дает нам возможность прислушаться к более тихим предложениям и перспективам нашего более глубокого «я».

Платон предложил метафору разума: наши идеи подобны птицам, порхающим в вольере нашего мозга. Но для того, чтобы птицы осели, Платон понимал, что нужны периоды бесцельного затишья. Глядя в окно предлагает такую ​​возможность. Мы видим, что мир продолжается: клочок сорняков сопротивляется ветру; серый многоквартирный дом вырисовывается сквозь моросящий дождь. Но нам не нужно отвечать; у нас нет всеохватывающих намерений, и поэтому более нерешительные части нас самих имеют шанс быть услышанными, как звон церковных колоколов в городе после того, как ночью затихнет движение транспорта.

Воспоминание забытых частей себя  

Потенциал мечтаний не осознается обществом, одержимым производительностью. Но некоторые из наших величайших озарений приходят, когда мы перестаем пытаться быть целеустремленными и вместо этого уважаем творческий потенциал мечтаний. Мечтания в окно — это стратегический бунт против чрезмерных требований немедленного (но, в конечном счете, незначительного) давления — в пользу рассеянного, но очень серьезного поиска мудрости неизведанного глубинного «я».

Что скрывается за пустым взглядом?

Независимо от нашей предметной области, у всех нас были моменты, когда некоторые ученики, казалось, цеплялись за каждое слово, поглощая наши сообщения, изображения, графики и визуальные эффекты с активным участием. Однако в тех же самых классах будет некоторое замешательство, растерянные взгляды или, в худшем случае, пустые взгляды! В моей области анатомического образования, как и во многих других дисциплинах STEMM*, почти повсеместное использование мультимедиа и других все более сложных компьютерных визуализаций является важной частью нашего набора педагогических инструментов для класса, небольшой группы или даже один на один. разговор с мелом на уровне выпускников.Хотя изображение действительно говорит тысячу слов, слова, которые каждый человек слышит или, что более важно, понимает, будут сильно различаться.

Моя лаборатория, Корпус исследований технологий обучения и восприятия (CRIPT Lab), использует экспериментальную парадигму пространственных способностей для изучения того, как люди используют изображения для обучения. У каждого из нас разная степень пространственной ориентации, чувство направления и способность мысленно манипулировать объектами или пространственные способности. Эту черту можно измерить с помощью различных тестов, которые указывают на нашу доблесть.Считается, что пространственные способности влияют на наш выбор образования и даже на то, насколько хорошо мы успеваем по этим предметам (Wai, Lubinski, and Benbow, 2009). Мы используем когнитивную теорию мультимедийного обучения (Майер) и теорию когнитивной нагрузки (Вальке, 2002), чтобы предположить, что люди с более низкими пространственными способностями подвергаются более высоким посторонним обучающим нагрузкам, поскольку они изо всех сил стараются не отставать от сложных визуализаций, которые иногда используются для демонстрации явления. Мы начали сбор нейрофизиологических данных во время обучения и тестирования.Будьте уверены; это не всеобъемлющие тесты интеллекта, но они имеют разумную и растущую прогностическую применимость.

Докторант в области образования Джей Лофтус изучал, как мозговой кровоток повышается у людей с высокими способностями к пространственному мышлению по сравнению с людьми с низкими способностями к пространственному мышлению при использовании статических изображений для изучения костей стоп или крупных сосудов в грудной клетке. Цель состояла не в том, чтобы узнать их названия или функции, а в том, чтобы понять, как эти анатомические части сочетаются друг с другом.

Соответственно, люди с высокими пространственными способностями показывают лучшие результаты в разработанных им тестах, и они делают это с более высоким мозговым кровотоком.При неправильных ответах у людей с более высокими пространственными способностями кровоток немного снижался, но у людей с более низкими пространственными способностями кровоток падал ниже их исходного уровня, что указывает на потенциальное шунтирование крови в другие области мозга при попытке ответить на вопрос. . Мы склонны думать об этом как о более высокой мозговой «скорости работы» для выполнения работы. В некотором смысле люди с низкими пространственными способностями испытывают более высокие посторонние когнитивные нагрузки в этой модальности обучения и тестирования (Лофтус, Якобсен и Уилсон, 2016).В настоящее время Лофтус изучает эти эффекты с помощью динамических изображений, общих для многих мультимедийных сред, и эффект, похоже, еще больше усугубляется.

Мы можем изменить когнитивную нагрузку учащихся различными способами с помощью хороших, плохих или уродливых демонстраций.

Мы хотели исследовать глубже, чтобы лучше понять, являются ли пространственные способности «все в голове». Мы сделали еще один шаг вперед, чтобы увидеть, одинаково ли люди с разными пространственными способностями изучают визуализацию. Докторант Виктория Роуч использовала технологию отслеживания взгляда, чтобы ответить на свои вопросы.При отслеживании взгляда используются высокоскоростные камеры для наблюдения за движением глаза во время наблюдения за экраном. С помощью этой технологии она измерила, где и когда — события, связанные с просмотром изображения. С визуальной и когнитивной точки зрения мы, люди, обрабатываем визуальную информацию только тогда, когда фиксируемся на вещах в нашем визуальном мире. Поэтому Роуч разработал меру значимости («где» в сочетании с «когда») для каждого изображения. Она наблюдала за людьми, пока они проводили тесты на мысленное вращение. Таким образом, в конце эксперимента она знала показатель их умственного вращения или то, насколько хорошо они справились с тестом, а также степень их внимания во время теста.Из ее экспериментов начали появляться интересные результаты. Во-первых, люди с высокой и низкой пространственной способностью обращают внимание на разные части одного и того же представленного изображения. Это интересно само по себе, но учтите, что взгляд внутрь картины может дать подсказки для лучшего ориентирования и понимания смысла.

Делая шаг вперед, мы часто ограничиваем время наших тестов, и при этом мы еще больше отделяем учащихся с высокими и низкими пространственными способностями, давая им меньше времени для концентрации на важных аспектах и, таким образом, ставя в тупик учащихся с более низкими пространственными способностями. .Дайте людям больше времени на выполнение тестов, и мы обнаружим очевидное: результаты имеют тенденцию к увеличению по всем направлениям. Однако, что еще более важно, люди с более низкими пространственными способностями начинают обращать внимание на те же важные части визуализации, что и их коллеги с более высокими пространственными способностями (Roach et al. 2016). В своем еще не опубликованном исследовании Роуч зашла так далеко, что определила наиболее заметную область изображения из группы людей с высокой пространственной способностью; Затем она показывает эту выступающую область людям с низкими пространственными способностями, говоря только, что это важное место на картине.Подготовленные люди с низкими пространственными способностями значительно увеличивают свои баллы, что эквивалентно повышению среднего балла, и этот эффект сохраняется, поскольку они продолжают лучше справляться с последующими «нетренируемыми» тестами.

Объединение результатов этого исследования расширяет возможности учителей и учащихся. Во-первых, нам нужно осознать, что мы, как преподаватели, можем изменять когнитивную нагрузку учащихся различными способами посредством хороших, плохих или уродливых демонстраций. Если мы непреднамеренно увеличим постороннюю когнитивную нагрузку диаграммы, графика или наглядного изображения, последствия будут широко распространены и дифференцированы для наших учащихся, и больше всего пострадают те, у кого более низкие пространственные способности.Являются ли пространственные способности зависимой переменной ваших тестов? Теперь представьте, что происходит в ситуации тестирования, когда сроки короткие, а ставки высоки. Наконец, огромная сила педагогики и нашей способности как педагогов привести учащихся к пониманию сложных визуализаций. Если мы направляем внимание, показываем учащимся, где и как смотреть на явление, разрыв между пространственными способностями, по крайней мере, сокращается, и наши учащиеся могут сосредоточиться на сообщении (знании), а не на визуализации (медиа).

* STEMM часто называют дисциплинами, связанными с естественными науками, технологиями, инженерией и математикой, и мы часто включаем медицину для представления смежных областей науки о здоровье.

Ссылки

Лофтус, Джей Дж., Мишель Якобсен и Тимоти Д. Уилсон. 2016. «Обучение и оценка с помощью изображений: взгляд на когнитивную нагрузку через призму мозгового кровотока». Британский журнал образовательных технологий . http://dx.doi.org/10.1111/bjet.12474.

Майер, Ричард Э. 2014. «Когнитивная теория мультимедийного обучения». In Cambridge H andbook of M ultimedia L заработок , под редакцией RE Mayer, 31–48. Нью-Йорк: Издательство Кембриджского университета.

Роуч, Виктория А., Грэм М. Фрейзер, Джеймс Х. Крикливи, Дерек Митчелл и Тимоти Д. Уилсон. 2016. «Глаз смотрящего: могут ли закономерности в движении глаз выявить способности к пространственному мышлению?» Анатомические науки Образование 9 (4): 357–66.

Вальке, Мартин. 2002. «Когнитивная нагрузка: обновление теории?» Обучение и инструкция 12: 147–54.

Вай, Джонатан, Дэвид Любински и Камилла П. Бенбоу. 2009. «Пространственные способности для доменов STEM: объединение более 50 лет совокупных психологических знаний укрепляет их важность». Журнал педагогической психологии 101 (4): 817–35.

Доктор Тим Уилсон — адъюнкт-профессор Университета Западного Онтарио. Он также является членом консультативного совета конференции «Обучение с помощью технологий».

Перепечатано из отчета The Best of Teaching with Technology,   , в котором представлены статьи, основанные на некоторых наиболее популярных сессиях конференции Teaching Professor Technology Conference   (теперь известной как Teaching with Technology Conference).

Просмотры сообщений: 1773

невероятная история Gorgon Stare

Беспилотник MQ-9 Reaper, используемый ВВС США для наблюдения.Предоставлено: старший сержант. Джон Бейнтер/США ВВС

Глаза в небе: Тайное восхождение Горгоны Взгляд и то, как он будет наблюдать за нами всеми Артур Холланд Мишель Хоутон Миффлин Харкорт (2019) которого играет Уилл Смит) преследует мошенническое шпионское агентство, которое использует передовой спутник «Большой Папочка», чтобы следить за каждым его шагом. Фильм, выпущенный за 15 лет до того, как Эдвард Сноуден сообщил о глобальном комплексе наблюдения, стал культовым.

Однако это было гораздо больше, чем просто предсказание: это было также источником вдохновения, даже планом, для одной из самых мощных когда-либо созданных технологий наблюдения. Так утверждает писатель и исследователь технологий Артур Холланд Мишель в своей убедительной книге « Eyes in the Sky ». Он отмечает, что исследователь (неназванный) из Ливерморской национальной лаборатории Лоуренса в Калифорнии, который видел фильм во время его дебюта, решил «исследовать — сначала теоретически — как появляющаяся технология цифрового изображения может быть прикреплена к спутнику», чтобы создать что-то вроде Большой Папочка, несмотря на «кошмарный сценарий», который он раскрывает в фильме.Холланд Мишель неоднократно отмечает это противоречие между добрыми намерениями военных ученых и технологией, основанной на антиутопическом голливудском сюжете.

Он прослеживает развитие этой технологии, называемой широкомасштабной съемкой движущихся изображений (WAMI, произносится как «удар»), американскими военными с 2001 года. Камера на стероидах, WAMI может захватывать изображения больших площадей, а в некоторых случаях и всего город. Эта технология получила большой прорыв после 2003 года, в хаотический период после вторжения США в Ирак, когда самодельные взрывные устройства (СВУ) стали главным убийцей войск США и коалиции.Чиновники Министерства обороны начали призывать к Манхэттенскому проекту, чтобы обнаружить и устранить устройства.

В 2006 году вдохновленное кинематографом исследование было подхвачено DARPA, Агентством перспективных оборонных исследовательских проектов, которому поручены военные инновации США (D. Kaiser Nature 543 , 176–177; 2017). DARPA профинансировало создание установленной на самолете камеры с разрешением почти два миллиарда пикселей. Военно-воздушные силы окрестили проект Gorgon Stare в честь монстров проницательного взгляда из классической греческой мифологии, чей ужасающий вид превращал наблюдателей в камень.(DARPA назвало свою программу «Аргус» в честь другого мифического существа: гиганта со 100 глазами.)

В некоторых книгах используются боевики-блокбастеры, чтобы продемонстрировать — или преувеличить — ужасающий потенциал технологии. Здесь неоднократно появляется Враг государства , поскольку он является неотъемлемой частью развития Взгляда Горгоны. Исследователи проигрывают отрывки из него на своих брифингах; они сравнивают свою технологию с Большим Папочкой (хотя их камера пока только на самолете, а не на спутнике). В какой-то момент, что невероятно, они консультируются с компанией, ответственной за воздушную съемку фильма.(Это заставило меня задуматься — какая правительственная лаборатория в настоящее время строит Звезду Смерти из «Звездных войн»?)

Камера на дроне MQ-9 Reaper. Фото: A1c Аарон Монтойя/Planet Pix через ZUMA

Книга Холланда Мишеля не первая, в которой рассматриваются технологии, предназначенные для достижения всеведения, но одна из лучших. Писатели, исследующие пересечение технологий и конфиденциальности, часто повторяют заезженные тропы, утверждая, что каждая новинка — это новый Большой Брат. Но Eyes in the Sky — это редкое создание: искусно написанное исследование с глубокими изложениями, направленное на то, чтобы понять как значение технологии, так и мотивы ее создателей.Холланд Мишель отмечает противоречия между безопасностью и конфиденциальностью, не преувеличивая их.

И он заставляет тех, кто отвечает за создание WAMI, говорить с ним откровенно — иногда шокирующе. Возьмем, к примеру, бывшего военного офицера США, который рекламирует «преимущества» колониального подчинения Индии (которое, как он странно утверждает, создало порядок среди этнических групп страны), чтобы оправдать массовую слежку в Соединенных Штатах.

Этот потенциал для домашней массовой слежки становится ключевым моментом.По мере развития сюжета создатели WAMI начинают искать способы применения боевых технологий в домашних условиях: соорудив новый молоток, они ищут новые гвозди. Здесь история принимает еще более антиутопический оборот. Джон Арнольд, «избегающий средств массовой информации миллиардер», использует свои собственные деньги, чтобы помочь тайно внедрить систему WAMI, чтобы помочь полиции в отслеживании подозреваемых в охваченном преступностью Балтиморе, штат Мэриленд. Арнольд, который финансировал другие «новые технологии борьбы с преступностью», впервые узнал об использовании WAMI за границей из подкаста и решил представить его в США.«Даже мэра держали в неведении», — пишет Холланд Мишель.

Частные интересы

Это наше будущее? Мир, в котором миллиардеры финансируют полицию, чтобы снимать сверху целые города? Этот сюжетный поворот меньше Враг государства , чем Бэтмен , хотя трудно понять, кто герой. (По крайней мере, вымышленный Большой Папочка финансировался Конгрессом, даже если его сторонникам пришлось убить одного упрямого депутата, чтобы выполнить свою работу.) Этого достаточно, чтобы мы все потянулись к шапочкам из фольги, которые могли бы пригодиться, чтобы заблокировать то, что Холланд Мишель предупреждает, что следующее: инфракрасное изображение, которое может обнаруживать людей в их домах.WAMI, если он развернут над вашим городом, уже имеет возможность отслеживать ваши ежедневные поездки на работу и поручения и позволяет наблюдателям отслеживать ваши шаги в течение нескольких дней или недель.

К его чести, интервью Холланда Мишеля со специалистами по наблюдению представлены в контексте, но без комментариев, что позволяет читателям делать собственные выводы. В одном заниженном эпизоде ​​он рассказывает, что после разоблачения проекта в Балтиморе владелец компании, построившей и развернувшей там систему WAMI, «лично» вручил подарки одному из организаторов сообщества.Организатор пытался убедить жителей Балтимора в том, что переносимый в небо Большой Брат может быть в их интересах.

Один вопрос без ответа и, возможно, без ответа, заключается в том, насколько успешно WAMI выполняла свою первоначальную задачу: предотвращение бомбовых атак повстанцев в Ираке и Афганистане. Холланд Мишель не уверен, потому что ответ засекречен. Хотя инвестиции в WAMI «бешеные и продолжаются», отмечает он, «ВВС отклоняли неоднократные запросы даже на приблизительное указание влияния WAMI на поле боя».

Что мы знаем точно, так это то, что Афганистан, одна из самых охраняемых стран на Земле, все больше погружается в хаос. В этом нельзя винить WAMI, но это указывает на то, что технология не является сегодняшним Манхэттенским проектом.

Есть другие вопросы. Сосредоточив внимание на конкретной технологии, Холланд Мишель упускает из виду более широкую картину? Является ли более серьезной угрозой доступ правительств и корпораций к нашим электронным устройствам? Ответ на оба вопроса — нет, потому что он также прослеживает, как объединение WAMI с другими датчиками, в том числе на смартфонах, в конечном итоге создаст «полностью слитый город», где «может быть негде спрятаться».В конце концов, Eyes in the Sky превосходит свое название, используя Взгляд Горгоны как окно в наше будущее. И это мрачно.

Когда Gorgon Stare завершен, Майкл Мирманс, исполнительный директор Sierra Nevada (компания в Спарксе, штат Невада, которая его построила), риторически спрашивает себя, закончена ли задача. Конечно, нет. «Когда дело доходит до реального сбора информации и создания знаний, — говорит Мирманс, — вы никогда не сможете остановиться».

Добавить комментарий

Ваш адрес email не будет опубликован.