奥运金牌是我的[花滑] 第574节(2/2)

    于谨没有将视线落在现场的大屏幕上，他不想抬头看, 也不愿意去费心看实时成绩，他只是攥着围栏挡板的顶端，指骨关节发白都浑然不觉，一颗心全扑在了丛澜身上。

    他们虽然不会跳跃, 不是花滑运动员，但他们同样与真正的运动员一样，知晓丛澜的跳跃有多厉害, 滑行有多变态, 整个人在花滑上有多么的强大。

    但是好刺激。

    这些，是gs给出的结论。

    张简方就是想问isu，凭什么？

    阶段里, 科研组的人也根据国家队成员的评分标准对某个比赛进行了复盘, 得出的结果和名次, 与现实不说大相径庭，也是相差甚远。

    姜意：“！！！”

    3a的229，跳接燕式转的1，换足联合转的121，短节目尚未过半，这些打分已经让张简方怒不可遏了。

    可他的p分就一直上不去。

    可是分数却不如那一场赛季。

    都说沐修竹跳跃能力强可就是没感情，男单赛场上缺他这样类型的吗？

    形成的动画会很长，播放再快也要五分钟才能过完。

    正在摆弄gs的工作人员：“……”

    模型四里，会将分数、技术动作数据、时间段内收集数据进行对比分析，展示得一览无余。

    他把后勤，全都交给了张简方等人。

    想拉丛澜的数据，能直接拉出来整个《风暴》，连步法是什么都可以标注出来。

    其实b级赛压分也不是没有。

    特别是按照丛澜所得到的待遇标准取个平均值，转而形成一套评分规则, 对gp其他分站、gpf、世锦赛进行模拟, 最后的女单成绩特别不一样。

    真正的一键生成。

    要遭要遭要遭！

    是所有人心知肚明的现实, 也是堂溪在编舞时参考的资料——因为她要做到让裁判无可指摘, 不能从编舞这里就让自家选手落在劣势。

    还有人在讨论，说怪不得都说b级赛好刷分，晓彤那边是，丛澜这边原来也是啊！

    哪怕不到家人这个程度的，也会对她们偏爱。

    裁判不同，b级赛等级低，情况也会不一样。

    双标的规则，他们的孩子真的是吃够了这个亏！

    到了女单，前面十来个人也还可以被认为是正常，该被水分的水了，该被苛刻的居然没有那么的苛刻，所以大家觉得，哦原来isu这场赛事改性了。

    张简方：“给我直接出实时数据！别人的模型你们没有，丛澜的你们多得很！给我直接切模型数据！老子要实时的！”

    【狗改不了吃屎】

    他想看着丛澜好好地完成她的比赛，得到她该有的成绩，gp分站第一、gpf第一、冬奥第二枚金牌。

    再根据褚晓彤的赛季待遇形成第二套评分规则, 根据易儒的、楼翎的、沐修竹的、舒傲白俞寒的……会发现他们总是被苛刻对待的。

    但是凭什么？

    比赛过程的解析

    换句话说，这一套模型里，丛澜的每个动作粉丝与得分、参赛运动员相关动作分析和得分情况、被选择选手（丛澜）的某项技术动作与最高、次高得分者的技术对比（可选定仅女单、仅男单、单人两项）是三个主要分析项，最后会有一个单独的系统评价，且都是以真人转换到建模小人的技术拆解动画来作展示的。

    老大这里有人好像疯了。

    完美3a的这个229分，重重地给大家打了一巴掌。

    说实话, 跟着国家队成员们训练、记录他们的日常，与教练们一起开会，在这些吃穿住行都在一起的漫长时光里, 科研项目组的人早就把丛澜她们当做是自己的家人了。

    我想搞，要不要搞？

    【她比九月份b级赛的表现要好的呀】

    除了少数一两个，谁不是跳跃就只是跳跃，不合乐不卡点还超长待机？

    谁抢了谁的第二名、谁本来该第七却到了第五……

    场下的丛澜还在继续着她的步伐, 马上要到3f3lo了。

    至于打分？

    gs里有丛澜这个赛季训练时的上百份数据，长短节目的编排都在里面呢，编舞调整的时候还用到了gs进行分析预估，当时的两位编舞师纷纷表示这东西真不错。

    【不用等gs出慢放，丛澜要是这个跳跃有半点不对，我敢说她就直接出了一堆负分】

    所以此时，张简方还在对讲机里怒吼：“给我上实时分析！技术回放时给我上模型四！”

    刚才的男单表现还算可以，裁判打分奇奇怪怪的，但又能被接受。

    他左右不了，也无法现场去找isu的人干一架，所以只能选择暂时地不去关注。

    数据太重要了。

    他在进步，所有人都可以看得出来。

    连被人嫌弃的滑行，也在茱迪这两年的调教下有了很大的改善，现在比不上楼翎，却也跟易儒差不多了。

    为什么沐修竹每次的goe那么难加，每次的p分那么难给？

    他不顾姜意的拦阻，直接拿起了对讲机。

    这群人除了丛澜褚晓彤和队内运动员以外, 还收集了世界范围内的花滑选手的数据相关, 他们更加相信眼睛会说谎, 耳朵会听错, 但数据不会说瞎话。

本章已阅读完毕(请点击下一章继续阅读!)