点击右上角
微信好友
朋友圈
请使用浏览器分享功能进行分享
中新社70年丨三摘荷赛奖！这里为何成为中国摄影“星工场”？******
6月中旬，由中国文联、中国摄影家协会主办，中国摄影报社承办的“一起向未来”中国冰雪运动摄影大展在北京开幕。展览集中呈现了中国摄协北京冬奥会摄影小分队队员的精彩力作，一张张“冰雪瞬间”将我们带回4个月前的冬奥时刻。
“小分队”有“大来头”
说是“小分队”，其实大有来头。他们都是中国摄影家协会分布在各大媒体的精英强将，是中国摄影记者的实力体现。
“小分队”由中国文联副主席、中国摄协主席李舸带队，成员有：兰红光(新华社摄影部副主任)、毛建军(中新社摄影部主任)、赵迎新(《中国摄影报》社长)、胡金喜(《北京青年报》摄影部主任)、魏征、陈建、王伟伟、陶冉。
“小分队”中的老将之一、中新社摄影部主任毛建军又一次“征战”赛场。在 2020年，他获得了代表中国摄影界最高个人成就奖的“中国摄影金像奖”。在中新社摄影部历史上，还有许多屡获奖项、引领业界发展潮流的人。
高产的“造星”机器
具有近70年历史的中新社摄影部，在每个时期都是业界耀眼的存在。它不断地在传承与发展，同时，它还是一部高产的“造星”机器。
上世纪50年代，中新社建社之初，一批南北方的优秀摄影家聚集于此，对外介绍中国大江南北的锦绣山川和沿海侨乡，在港澳地区和东南亚各国华文报馆享有盛誉。代表作品如风光摄影家薛子江的《春泛嘉陵江》《千里江陵》等，构图精美，堪称佳作。
上世纪八九十年代，中新社摄影部开始转型。图片报道内容由以风光专题为主转变为以新闻时事为主；全面报道改革开放，突出社会前进、时代新潮和人民情感。
这一时期，中新社涌现了一批拍摄社会新闻、记录社会变革的好手，佳作频出。黄云生的《西藏专题》、王苗的《草原骑手》、罗小韵的《首次招考模特》等是这一时期的代表作品。彭振戈(笔名安哥)把镜头聚焦南粤乡土，以民间视角记录社会底层人物的喜怒哀乐，如《结婚照》《街头青年》，时代特色与南粤气息并至交汇。
“民间视角”是这些作品的共同特征，并成为中新社图片的风格，在这一时期的中国新闻摄影界开风气之先河。
值得一提的是，黄云生、王苗、罗小韵都是著名的“四月影会”的发起人，他们在中国摄影史上留下了浓重的一笔。
上世纪八十年代末、九十年代初，中新社的体育图片报道开始崭露头角，赵伟等记者在亚运会、奥运会等国际赛场上创作出众多精彩作品，体育摄影报道由此成为中新社图片的特色之一。
21世纪头十年，中新社图片越来越彰显国际化色彩。拍摄题材和视角与国际同步；画面语言也开始在吸收国外经验的基础上逐渐内化为自己的特点；记者在国际奖项上开始有所斩获，成为最早登上国际领奖台的一批中国摄影师。
2000年，王瑶凭作品《60岁重返舞台》获得第43届世界新闻摄影比赛(荷赛)艺术类组照金奖。
贾国荣凭作品《中国体操夺冠赛》获得2002年荷赛体育类单幅铜奖。2014年，贾国荣又凭借作品《杠上争锋》再次登顶荷赛，获得体育动作类组照一等奖。
三次荷赛获奖作品的图片语言以国际化为特征，这些记者推动了国内新闻摄影界图片语言的进化。
“见证”的艺术，“见证”的力量
21世纪第二个十年至今，中新社摄影记者队伍日渐齐整，成长为国内规模最大、最成熟的摄影队伍之一，每年在国内和国际新闻摄影奖项上都有斩获。
摄影报道在时政、突发、大型报道、深度报道等领域的表现十分抢眼。每逢大型报道、战役式报道，总社和全国各分社的摄影精兵协力上阵，中新图片频频崭露头角。前有2016年奥运会三名记者“三枪战里约”，后有东京奥运会上的艰苦鏖战，他们的表现广为业界称道。
这一时期的中新社摄影部还积极参与行业内的体制建设，为中国新闻摄影界的发展贡献智慧和力量。2019年，中新社摄影部承担中国文联大型影像扶贫跨界驻点创作项目，四名记者三次深入内蒙古科右中旗驻点，记录了中国脱贫攻坚世纪工程的缩影。
摄影是一门“见证”的艺术。一代代中新摄影人，见证了时代发展，也见证了中国新闻摄影队伍的共同进步。如果把中国新闻摄影事业的发展比作滚滚大潮，中新社摄影部就像潮头的朵朵浪花，总是那个活跃在前方、不知疲倦地往前奔流的力量。
参考资料
1、毛建军《中新图片的风格传承与发展》，《人民摄影报》2021年9月8日，第二版；
2、《中国新闻社六十年史稿》。
作者：苏 丹
提速近10倍！基于深度学习的全基因组选择新方法来了****** 近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。 全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。 统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。 相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。 该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。 与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。 该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。 学术支持 中国农业科学院作物科学研究所 记者 宋雅娟
（文图：赵筱尘 巫邓炎） [责编：天天中] 阅读剩余全文（）  视觉焦点
彩云网地图 |
)