对《第一次》影评吐槽

第一次电影改编韩国 疼爱

这是某影评:

  ***故事简介***

  妈妈为了让生病(绝不能剧烈运动)的女儿活的开心点,出钱让赵又廷扮演女儿曾暗恋过但死去的高中同学。但没想到男方假戏真做,和姑娘搞了第一次后,姑娘跳了个舞(算具体运动)然后就挂了。
  
   某人的影评:
  ***剧本***
  这是哪个生活在纯氧温室的花骨朵倒霉孩子写出的本子喂?
  1)女猪的妈有这点钱找人和她生病的闺女谈恋爱,为撒不把咖啡馆卖了砸锅卖铁去欧美治病,厦门的医疗条件很好吗?难道是存心要留着钱等她闺女over了自己出去环游世界?这不是亲妈吧!

  2)AB整的这么美到23岁都没初吻?她会没人追?好吧就算她貌比无盐但有个在鼓浪屿开咖啡店和拥有连体别墅的妈,这绝对是会有人追的!

       3)AB说那大大的挂毯是她自己绣的(全场倒吸一口冷气),再一句“绣的不好”就直接让大家(不包括编剧,肯定)喷了。这年头肯安安静静坐下来绣花的有几个?还那么大幅?手工费几何?古时为了绣一副给皇上的衣服,多少织娘要绣瞎了眼睛。那AB为撒还能睁着那么大的眼睛说着那样琼瑶的台词?
  4)台词连琼瑶奶奶都要汗颜!“我就是你的双腿,让你感受风的速度”、“我拼命忍住眼泪,是为了怕看不清你为我而笑的容颜”。

 

  我不说影片如何,就影评这些观点我想吐槽几句:

  1、你以为有几个钱去欧美治病就可以治的好?

  这种病例我见过,记不清是不是女主这种病,反正类似疾病,那个女孩子还小,没有女主那么大,她家真是不是一般的有钱,别说几千万,几个亿都可以拿出来。

  后来她妈妈去加拿大出了几千万加拿大元(按今天的汇率是加元对软妹币是1:5.9,相当于几亿软妹币)请了6个专家过来,专家检查看看都说一句话:没救了,放弃吧。

  欧美的医疗固然先进,但是不是神话,不是什么病都能医。

 

  个人认为

  电影里面赔上生命的方式来圆梦想,可能很多人认为代价太高了。

  如果我是医生的话,我觉得电影中那个药物也应该只是起缓解作用,能让病人开开心心的走,比起病人生活在疼苦里更好。

  比如起火了地震了怎么办,人还不能跑啊,女主一跑就挂,只能活活等死。

  如果电影里面真的是可以治疗,医生应该也会直接说了(还可以打打广告)。


  2、每个人经历不一样吧,说实话,我身边有栋别墅没人追过的女孩子也不是没有。

  当然拍电影的演员不会选择普通人而已,即使选了也要化半天的妆,不代表现实中不存在。

  别墅只是这几年房价炒高了,前几年又不贵,只不过当时房子都靠分,没有人会出钱买。


  3、身边的女孩子都会十字绣吧,至于有没有人绣如此大的绣不敢说,我车上的抱枕都是我自己绣的,

  不能就这样说“这年头肯安安静静坐下来绣花的有几个?还那么大幅?手工费几何?”

  其实还可以偷偷懒,电影里面不就有这么大的绣品,我猜可能是机绣的而已,把机绣说成自己绣的也未尝不可,心意在就是。

 

  我觉得如果电影别改编别人的,我们中也少出几个喷子,也许国产电影会越来越好。

内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值