Dropr 是一款基于HTML5技术的多媒体组合收集器,各种有媒体和艺术家背景的用户可以在此分享音乐、视频、图片等多媒体互动内容。
Dropr 是一款基于HTML5技术的多媒体组合收集器,专门面向各种媒体人和艺术家提供了原创的富媒体内容收纳与分享的工具组合。属于这个行业中的艺术家们,可以轻松的通过 Dropr 所开发的工具组来对图像、音频、视频、文本等富媒体文件进行编织,同时,提供绝佳的交互和预览方式以适应这些艺术品的气质。为了保证整个社区用户分享内容的质量,Dropr 效仿 Dribbble,对于创造内容的用户采用邀请制度,非这个体系下的用户只具备浏览、传播和互动等基本权限。
Dropr 对目标用户群的理解,最后落实到了技术和交互对于产品渲染上,近乎完美的实现效果远远的超越了我对Web产品想象力。回想起来,在 Talkbox 这款产品发布前夕,我曾经
尝试性的去断言,他的诞生有很大的可能性会颠覆整个行业对于手机短信的认识,甚至于掀起一场全球性质革命;而短短十个月的光阴刚刚过去,那个曾经压抑着、连用户自己都不易察觉到的“发送一条语音短信”的需求被科技的创新者所激发,从而成为潮流,从而彻底影响和改变了现代人的生活社交方式。 这里的 Talkbox 是题外话,但是,在那篇文章中,我很清楚的提出了自己对于
“创新”的一些理解和认识,后来很多Case的结果让我越来越迷恋于去判断一个项目和项目背后的团队是否具备引爆下一个流行的潜质,以及他们获得成功的概率等等。而所有的推测都会首先依据一个观点,那就是:只有坚持迭代和创新的互联网产品才能最终深得人心,这就需要把舵这款产品的人一定要是一个将创新完完全全融入到到骨髓里的家伙才行。 我认为,能够创造差异化的创新有两个层面:一种是基础性的创新,体现于对竞品深度分析后而整理出来的功能混搭、界面重构、交互革新以及信息结构的重定义等;第二个层面的创新,来自于对“新需求”的发掘和传递上,这是创新的本质,是进行差异化竞争最重要的武器之一。 事实被证实,后者带来的革命是巨大的(Facebook、Twitter、Instagram),同时,也是难以去复制和实践的,通常,我们触发这类事件的概率极低——需求新,或者不新,其实需求永远都在那里摆着,关键是我们有时候真的难以去发掘这样的需求存在,即便发现了,也未必能够在一款恰当的产品中找到契合,难!所以,这里的成功,对于绝大多数人而言,真的是偶然事件。但是,前者的“创新”却严重关系到一个态度的问题,设想一个1:1的Copycat,你很难指望这款产品背后的缔造者是一个具备独立思考能力、然后真正信仰互联网、热爱自己正在做的产品的这样一个人;既然这样,不要被媒体和资本一手营造出来的喧嚣和假想蒙蔽了双眼,因为,对他们而言,圈得一笔钱,然后默默的走向末路是必然的结果。 上述观点同时是我对最近Pinterest现象@中国的一个基本态度,到底有哪些Copycat自己心里很清楚,我便不去点名。另外,对于Pinterest这款产品,包括Tumblr,我长期以来一直坚持这样一个观点,未必正确:Tumblr 和 Pinterest 的成功,并不像媒体炒作那样玄而又玄,他们的成功其实很简单,因为他们在一个大家所熟悉传统的领域里创造了一种新的交互方式,并且对旧的信息结构做了重新的定义和解释。类似成功的案例还有Path、Formspring等,当然,也包括这里即将可能成功的Dropr。
转载于:https://my.oschina.net/wangchenyu/blog/1530837
分享到:
相关推荐
整体功能受Gearman,Beanstalk或dropr之类的系统的启发,但丝毫没有幻想可以与这些更高级的系统竞争。 该插件试图提供一种基本的,易于使用的方法来启用延迟的作业执行,而无需设置或运行额外的队列守护程序,而又...
行业研究报告、行业调查报告、研报
行业研究报告、行业调查报告、研报
RM1135开卡工具B17A
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。
该资源内项目源码是个人的课程设计、毕业设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过严格测试运行成功才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。
跑腿平台系统 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程:https://www.bilibili.com/video/BV1BfB2YYEnS
Visual Studio 2013 Shell 下载,处理EsriAddin模板ValidateAddInXMLTask任务意外失败
行业研究报告、行业调查报告、研报
Mentor Graphics ModelSim SE 2020.4 x64安装包,包含Crack
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。
行业研究报告、行业调查报告、研报
使用 yolo v3 检测物体的方向适用于 Windows 和 Linux 的 Yolo-v3 和 Yolo-v2(用于物体检测的神经网络)如何使用如何在 Linux 上编译如何在 Windows 上编译如何训练(Pascal VOC 数据)如何训练(检测你的自定义对象)我什么时候应该停止训练如何在 PascalVOC 2007 上计算 mAP如何改进物体检测如何标记对象的边界框并创建注释文件使用 Yolo9000如何使用 Yolo 作为 DLL mAP(AP50)https://pjreddie.com/media/files/papers/YOLOv3.pdfYolo v3 在 MS COCO 上的 RetinaNet 源图表取自表 1 (e)https://arxiv.org/pdf/1708.02002.pdfPascal VOC 2007 上的 Yolo v2https://hsto.org/files/a24/21e/068/a2421e0689fb43f08584de9d44c2215f.jpgPascal VOC 2012 上的
行业研究报告、行业调查报告、研报
行业研究报告、行业调查报告、研报
手机商城系统 微信小程序+SSM毕业设计 源码+数据库+论文+启动教程 项目启动教程:https://www.bilibili.com/video/BV1BfB2YYEnS
使用Java开发的一个经典小游戏“俄罗斯方块”.zip开发
darknet是一个较为轻型的完全基于C与CUDA的开源深度学习框架,其主要特点就是容易安装,没有任何依赖项(OpenCV都可以不用),移植性非常好,支持CPU与GPU两种计算方式。上面分享的是对应的darknet项目,解压缩即可以使用。
基于YOLOX的音频事件检测模型介绍YOLOX_AUDIO 是一个基于 YOLOX(YOLO 的无锚版本)的音频事件检测模型。此 repo 由 PyTorch 实现。YOLOX_AUDIO 的主要目标是使用图像对象检测框架检测和分类多频谱域中的预定义音频事件。更新!!【2021/11/15】 我们正式上线YOLOX_AUDIO快速入门安装数据准备训练推理参考PyTorch 实现的 YOLOX 基线YOLOX @article{yolox2021, title={YOLOX: Exceeding YOLO Series in 2021}, author={Ge, Zheng and Liu, Songtao and Wang, Feng and Li, Zeming and Sun, Jian}, journal={arXiv preprint arXiv:2107.08430}, year={2021}}用于音频特征提取的LibrosalibrosaMcFee, Brian, Colin Raffel, Dawen Liang,
簡述本项目基于yolov5的GUI目标识别程序,支持选择要使用的权重文件,设置是否使用GPU、设置信度阈值等参数。注该Demo为早期版本录制的动画,与新版本存在部分差异!的Python 3.8安装和使用注意该程序由我个人开发,存在bug在所难免,但程序迭代了多个版本并一直在优化,因此强烈建议使用最新版本代码!安装依赖pip install -r requirements.txt所有依赖安装成功后,程序即可正常运行!初次使用需要对软件进行简单的配置,还有必要的配置目标识别模型文件,模型文件可以从网络上下载,或者自己训练生成。这里为了简单说明本程序的使用方式,使用yolov5官方仓库提供的模型文件介绍,yolov5的每个release都附带了训练好的模型文件可以对常见物体进行目标识别,请自行下载备用!yolov5官方模型文件下载https://github.com/ultralytics/yolov5/releases模型文件准备好后,运行程序并点击主界面设置按钮,在弹出的设置对话框中配置权重配置项,即模型文件的路径,然后点击确定按钮保存设置,程