已收藏本页面
图片中楼下的我不是嘲讽你，可是上面那个帖子比较恐怖了，紧接着看到你发的老照片（第一眼就看到照片没看字）真的觉得好恐怖！！！我觉得我需要找个女同志哄我睡觉了...
怎么个意思！
膜拜28楼！
哈哈，笑了！
27楼依然神一般的存在！
不简单啊。
楼主行不行呀
我猜18楼会消失!
二楼发表感言
不许打广告。
怎么个意思
要死啊，我自己一个人在外面租房子住
小孩儿确实能看到超自然的东西，一般在家里的都是自己过世的家人，基本都是老人…喜欢逗小孩儿
还真是。。寒毛都竖起来了
是有点肾的慌
……什么人都有
我也好害怕
你可能喜欢的图片笑话
最受欢迎的爆笑笑话
扫码下载糗事百科app这些照片会不会辣到你的眼睛，你觉得这些照片会是什么类型的这些照片会不会辣到你的眼睛，你觉得这些照片会是什么类型的天空不再是蓝色百家号鹿晗的女装还有些萌这个，张一山，请你好好搭配好吗王俊凯的女装，真的蛮像女生的李易峰的像是如花本文由百家号作者上传并发布，百家号仅提供信息发布平台。文章仅代表作者个人观点，不代表百度立场。未经作者许可，不得转载。天空不再是蓝色百家号最近更新：简介:善于运用幽默诙谐的语句进行吐槽相关文章白敬亭女友是鬼鬼 男方整容前照片对比眼睛变化大_娱乐资讯_海峡网
您现在的位置：&&
白敬亭的绯闻女友有关晓彤、鬼鬼、达瓦卓玛，但是知情人曝后者达瓦卓玛的可能性更大。随后网上传出白敬亭与女朋友达瓦卓玛已订婚，说的有模有样到底是不是真的呢？白敬亭整容前后照片对比，有人曝出白敬亭未出道前丑到惊悚，吓死人！这是真的吗？后来经有网友仔细观察，耐心搜扒白敬亭以前的照片发现，白敬亭未整容前照片并没有那么夸张的丑到惊悚，白敬亭未整容前照片只是很路人一个，很难引起他人的注意。对于网友所爆料的白敬亭整容失败致面部僵硬，这是真的吗？白敬亭整容前后照片对比，不知是否属实，直到如今，有关于白敬亭整容前后对比的照片是真是假，白敬亭是否真的整容的消息仍未得到证实。也有可能是因为白敬亭正处于青春期，所以不管是脸部还是身高等，都发生了明显的变化，与整容无关。粉丝们当然是关心白敬亭的感情，白敬亭女友是谁啦，在接受采访时候，白敬亭自曝没有过感情经历，还是纯情的小鲜肉一枚呢。对于自己喜欢什么类型的女生，白敬亭说：“生活中我应该也会喜欢百草这种类型的，很坚持、自强 不息、很有自己的想法，去做自己喜欢的事的女生。”
&&&&&&&特别声明：本网登载内容出于更直观传递信息之目的。该内容版权归原作者所有，并不代表本网赞同其观点和对其真实性负责。如该内容涉及任何第三方合法权利，请及时与联系或者请点击右侧投诉按钮，我们会及时反馈并处理完毕。
一周热点新闻
下载海湃客户端
关注海峡网微信
职业道德监督、违法和不良信息举报电话：4 举报邮箱：
本站游戏频道作品版权归作者所有，如果侵犯了您的版权，请联系我们，本站将在3个工作日内删除。
温馨提示：抵制不良游戏，拒绝盗版游戏，注意自我保护，谨防受骗上当，适度游戏益脑，沉迷游戏伤身，合理安排时间，享受健康生活。
CopyRight (C)2016 海峡网(福建日报主管主办) 版权所有 闽ICP备号-2
福建日报报业集团拥有海峡都市报(海峡网)采编人员所创作作品之版权，未经报业集团书面授权，不得转载、摘编或以其他方式使用和传播。
友情链接： |如下内容已经整理成
很好奇其实如果将人眼所看到的画面保存下来(拍照)，人类是可以感知照片内的各个物体。是不是可以理解成这是一种2D到3D认知的转换？
作者：知乎用户
链接：https://www.zhihu.com/question//answer/
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。可以的，单张照片重建模型，人可以做到的，计算机理论上也可以。你之所以能够推断出来，是因为你有先验知识，也就是所谓的见的多了。学术界目前有很多这方面的工作。当然了，因为单张照片毕竟存在信息上的缺失，所以很难还原出完整的 3D 模型。不过对于特定的物体（比如人脸），结合一些先验知识还是可以做到的。例如：
&img src=&https://pic2.zhimg.com/v2-fcabd43716fb71_b.png& data-rawwidth=&392& data-rawheight=&172& class=&content_image& width=&392&&[1] Chai, Menglei, et al. "High-quality hair modeling from a single portrait photo."ACM Transactions on Graphics (TOG) 34.6 (2015): 204.
这一篇的关注点是从单张图片中如何高质量的还原出头发的模型。不过整体是基于以前还原头像的工作来做的。可以看到基本上是类似于浮雕的效果，头发的还原度非常高。当然鼻子的高度之类的东西可能就很难还原了。
还有一些老文，比如99年的这篇基于可变性模型做的想过也是非常的惊艳。大致思路是给人脸建立一个参数化的模型，通过调节这个参数化的模型去拟合输入图像。
&img src=&https://pic3.zhimg.com/v2-26a3eb77e5f0a24490d6_b.png& data-rawwidth=&688& data-rawheight=&168& class=&origin_image zh-lightbox-thumb& width=&688& data-original=&https://pic3.zhimg.com/v2-26a3eb77e5f0a24490d6_r.png&&[2]Blanz,
Volker, and Thomas Vetter. &A morphable model for the synthesis of 3D faces.&[2]Blanz, Volker, and Thomas Vetter. "A morphable model for the synthesis of 3D faces."Proceedings of the 26th annual conference on Computer graphics and interactive techniques. ACM Press/Addison-Wesley Publishing Co., 1999.
对于任意的物体，这篇工作提出了一种方法，不过要求提供和被重建物体同一类的三维模型来提供先验知识
&img src=&https://pic1.zhimg.com/v2-3f1cb2b02cbf_b.png& data-rawwidth=&697& data-rawheight=&212& class=&origin_image zh-lightbox-thumb& width=&697& data-original=&https://pic1.zhimg.com/v2-3f1cb2b02cbf_r.png&&[3]
Li, Dongping, et al. &Shape Completion from a Single RGBD Image.& (2016).[3] Li, Dongping, et al. "Shape Completion from a Single RGBD Image." (2016).
不需要先验知识的也有，不过生成的就不是模型，而是点云了。比如这篇文章的工作，可以通过手机摄像头拍摄视频来获取3D 信息。可以看到有很多缺失的部分，一方面因为单目相机很难记录完整的3D 信息，另一方面因为有些部位由于遮挡拍不到。
&img src=&https://pic3.zhimg.com/v2-e0cdafb60a163a_b.png& data-rawwidth=&325& data-rawheight=&205& class=&content_image& width=&325&&&img
src=&https://pic1.zhimg.com/v2-0df25cebbbd7d8_b.png& data-rawwidth=&347& data-rawheight=&265& class=&content_image& width=&347&&[4] Tanskanen, Petri, et al. &Live metric 3d
reconstruction on mobile phones.& [4] Tanskanen, Petri, et al. "Live metric 3d reconstruction on mobile phones."Proceedings of the IEEE International Conference on Computer Vision. 2013.
其他的还有很多我就不一一例举了。
作者：刘诗昆
链接：https://www.zhihu.com/question//answer/
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
题主的问题在计算机视觉领域里还是很前沿的。但是由于对3D模型这块描述的并不精确，其实可以理解为两种意思，但是无论哪种都是很值得深入探索的方向。
第一种。3D Scene Reconstruction / 三维场景重建
在这个领域里，最早的工作可能要在10-20年前就已经出现了。那个时候的 vision 是 pre-deep learning 时代，所以大家都是提出数学方法，相对来说比较五花八门。通常来说，single image 3D scene reconstruction 就是通过单张图片来重新估测他的深度信息，以此来得到他的结构。因此在这里没有任何填补其他未知信息的成分，跟我们普通所认为的三维重建稍稍有些不一样。（vision领域里会认为这是2.5D）
比较著名的作品有 Andrew Ng 的几个作品（,）核心思想都是通过 orientation, co-planar, co-linearity 类似点线面结构关系来构造 grid-structure Markov Random Field (MRF) 来计算每个像素处在哪个平面。
&img src=&https://pic4.zhimg.com/v2-6e968e4be5a5ce48ff037fb3ee21552f_b.png& data-rawwidth=&704& data-rawheight=&383& class=&origin_image zh-lightbox-thumb& width=&704& data-original=&https://pic4.zhimg.com/v2-6e968e4be5a5ce48ff037fb3ee21552f_r.png&&第二种。3D Object Reconstruction / 三维物体重建
在这里的绝大部分工作相对比较新。因为学习一个物体完整的架构是需要大数据支撑的，因此基本上所有类似的工作都是有深度学习的框架在。由于传统3D模型 （3D CAD Model）是由 vertices 和 triangulation mesh 组成的。因此不一样的数据大小就造成了training的一些困难。后续，大家都用 voxelization 的方法把所有CAD model转成binary voxel （1是填补的0是空缺的）这样保证了每个模型都是equal size。
最早比较著名的工作是 3DShapeNet ()
作者利用 Deep Belief Network （DBN）来学习 voxel 的 probabilistic embedding 然后在给带有2.5D信息的图片后，通过 Gibbs Sampling来不断预测他的 shape class 和填补他的未知 voxel 来完成模型重建。这项工作也同时提出了比较著名的ModelNet数据集。
后续有 CMU最近的作品 TL Network（）
利用 auto-encoder 学习3D Model 的 embedding 然后通过 ConvNets 学习一个 deterministic function 让其 rendered image infer 到学习到的 embedding 上。因为 auto-encoder 是 generative 的， 对于新的 test image，模型就会infer 到相关的 3D model 的 embedding，再通过decoder 生成 其相应的 3D model。
&img src=&https://pic1.zhimg.com/v2-033ef24a0fb6ed9f644819fde140ee10_b.png& data-rawwidth=&1183& data-rawheight=&315& class=&origin_image zh-lightbox-thumb& width=&1183& data-original=&https://pic1.zhimg.com/v2-033ef24a0fb6ed9f644819fde140ee10_r.png&&最近刚出结果的 NIPS 2016， 吴家俊也做出了类似的工作 （），其中把
auto-encoder 换成 generative 能力更强的 GAN 然后把 ConvNet 换成了 VAE。
其中由于 voxel 是三维的，他的 resolution 就成了指数增长，在上述介绍的工作中一般都使用 小于等于 32^3 voxel 来防止过多占用内存。因此以下还有几个问题值得我们继续深入研究：如何将voxel 的分辨率进一步提高。如何利用较小的数据而保持相对不差的重建结果。能否用先前学习到对三维模型的解读使得架构可以重建从来没有训练过的数据类别。
作者：京一不二
链接：https://www.zhihu.com/question//answer/
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
有的答主提到一张照片可以建模，其实是通过分析光影建的一个'假3D'。
道理等同人眼，闭一只眼睛理论上看不出深度（物体前后顺序）。然而人可以根据生活经验，可以根据光影猜出深度，并不准确。计算机同理，通过算法对比高光和阴影也可以猜个一二。
硬广一个，我们是咋拍3D的&img src=&https://pic2.zhimg.com/v2-299d85da4cf_b.jpg& data-rawwidth=&800& data-rawheight=&533& class=&origin_image zh-lightbox-thumb& width=&800& data-original=&https://pic2.zhimg.com/v2-299d85da4cf_r.jpg&&这些个角度拍3D比较够了。这些个角度拍3D比较够了。
很常见的应用例如各种法线贴图生成工具（xnormal），一张照片生成个置换或法线贴图，闹呢。
另外研究国外（包括迪士尼）的论文要谨慎，有的是完美的实验室环境，你懂的。例如石头表面质地亚光是最理想的3d扫描材质，如果本身颜色均匀靠分析深浅也有可能建出个低模来。有的一百个案例里挑出两个最好的结果，憋问我是咋知道的...
---------------------------------
那么问题来了，为啥我们肉眼看一张照片能看出深度呢？不管一只还是两只眼。
因为照片里的光线信息已经被“烘焙”进去了，如之前所述，大脑通过分析光源阴影判断出深度。
就像长者一样见多识广，什么大风大浪没见过。
在一个完美的均匀光源下，四只眼也看不出深度。举个栗子，下面是我们矩阵三维扫描出来的。
&img src=&https://pic2.zhimg.com/v2-faeddc1b6b5f5_b.jpg& data-rawwidth=&664& data-rawheight=&600& class=&origin_image zh-lightbox-thumb& width=&664& data-original=&https://pic2.zhimg.com/v2-faeddc1b6b5f5_r.jpg&&如果吓到你了我很抱歉，我想拿这张图吓人已经很久了。
你看脸颊部分显得很平，可以明显看出深度的仅限鼻翼和耳朵附近，这部分把光打匀几乎不可能。
做CG特效需要这种漫反射贴图，光影是渲染器分析几何图形结合贴图合成一起才看出立体效果。
---------------------------------
不过人眼人脑是个很好玩的东西，我有个朋友有种怪病，啥都能看得出来，就是认不出来人脸。他判断人名不看脸，靠听声音加观察举止习惯，这个素材库有点大。
想想跟女朋友说：我爱的是你的内涵，literally。
有位答主举的例子：&img src=&https://pic2.zhimg.com/v2-6be626c50ba555c1d789826eefad1ff1_b.png& data-rawwidth=&347& data-rawheight=&265& class=&content_image& width=&347&&这个显然不是一张照片建模，绝对是多张，具体多少张看不出来，如果有单色点云我还能猜猜。
为啥呢，你看照片并没有拍到右脸颊。
作者：jack xu
链接：https://www.zhihu.com/question//answer/
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
最近一直在做有关计算机视觉与深度学习，尤其是怎么在3维与4维空间（也就是视频处理）实施，干脆把想法发到知乎，具体的算法会在arxiv详细介绍。
--------------------------------------------------------------------------
1. 单张图片的处理方法
我把图片简单分为三大类，分别是：正常图片，光场图片和人类的视觉图片
正常的图片是指用普通光学相机拍摄，图中包含，聚焦，欠焦，过焦等区域
光场相机（Light-field camera），简单来说就是除去RGB值与XY的位置外还有光线的角度信息的图片，例如lytro的相机拍摄的图片。
人类视觉的图片，人眼的广义像素有1.2亿，实际分辨率与中高端相机相当，并且转动灵活，聚焦速度超快。
1.1. 单张正常的图片的处理方法
加入深度学习，在识别出物体后可以通过估算物体的大致尺寸计算距离，准确度不高。简单说就是近大远小。
再接合透视发，就更天衣无缝了。
&img src=&https://pic3.zhimg.com/v2-7827e33fa_b.jpg& data-rawwidth=&1920& data-rawheight=&1080& class=&origin_image zh-lightbox-thumb& width=&1920& data-original=&https://pic3.zhimg.com/v2-7827e33fa_r.jpg&&简单的画画，例如大裤衩：
图片来自google
通过透视处理后，空间感觉也就出来了啊。这也就是我们看图片就可以重构出空间感的基础。
除了图片的空间重塑，还可还原ps过的照片了啊。引用一个大家都熟悉的照片。
&img src=&https://pic2.zhimg.com/v2-e0b9fce24a35f7cfb411a723a180f3b5_b.png& data-rawwidth=&757& data-rawheight=&503& class=&origin_image zh-lightbox-thumb& width=&757& data-original=&https://pic2.zhimg.com/v2-e0b9fce24a35f7cfb411a723a180f3b5_r.png&&原图来自知乎的日报
谁有兴趣可以试试基于深度学习开开发一个反ps软件，过滤一下我们的眼睛。
当然在实际使用中要考虑到相机的产生，例如用鱼眼相机的话，要对图片预处理后再进行分析。
1.2. 单张光场相机图片的方法
光场相机的问题。保存了光线的角度与方向的信息。通过简单的三角函数计算也是可以得到大致的三维信息的。
1.3. 人类的眼睛，通过眼睛聚焦，两眼的视角差，可以感知深度3维的信息。
正如@xxx所说，关键是，我们都是生活在三维空间中，大脑中早已形成了空间分析的模式。一岁以下的婴儿他们的三空间认知能力就比较差。
值得一提的是普林斯顿的Jianxiong Xiao组接合深度图片（depth map）与普通RGB图片集合的深度学习（）。但是由于depth
map不能在有自然光照的室外使用，该方法还仅限于室内。接合Lidar数据后就适合室外作业了啊，不过从google self-driving car前BOSS Sebastian Thrun早在2011年的TED演讲中就可以看出他们已经开始三维的识别了啊。注意途中的小框，就是被标识的物体。
&img src=&https://pic2.zhimg.com/v2-d671cd7d269_b.png& data-rawwidth=&852& data-rawheight=&485& class=&origin_image zh-lightbox-thumb& width=&852& data-original=&https://pic2.zhimg.com/v2-d671cd7d269_r.png&&
图片来自Thrun的TED演讲截屏2 多张图片的问题
其实我们在日常生活中接触的都是连续的信息，不知道远近可以换个角度看，总之就是在运动中观察来得到整体的三维的信息。比如在盗梦空间中的彭罗斯阶梯（Penrose stairs），在三维空间中无法存在，但是有些特色的形状可以在某些特定的投影面中存在。
&img src=&https://pic3.zhimg.com/v2-6b23b4e43fd360a5cac3d2_b.png& data-rawwidth=&372& data-rawheight=&283& class=&content_image& width=&372&&原图来自维基百科
大致三维重塑过程大致可以分为两种
一种类似人眼物体跟踪的光流法
一种更为精确的Image Cross Correlation集合的测绘方法
突然发现程序有点问题，等debug后再补充图。
作者首次利用deep learning对输入图像生成其点云：
再利用另一个6层的CNN将point set处理成连续的3D结构
与人类相比在部分数据集上有优势：point cloud相对简单，没有连接性问题，方便training
作者基于TensorFlow设计实现了一个多层CNN，探讨了数种distance metric, 设计和选择了cost function and loss function, 并探讨了该方法的其他功能，如从RGB-depth 图像从补全缺失的3D结构（下图），及出错的情形。人工合成的dataset有220k张图片来自2000种物品。类似工作：
PS：ls貌似竟然出现了这篇文章投CVPR2017的reviewer，真是藏龙卧虎啊···仰慕
从2D图片生成3D模型（3D-GAN）
3D-GAN是使用生成对抗网络学习2D图像到3D模型的映射，生成网络负责生成3D模型，对抗网络判断这些模型是真是假。
3D-GAN：http://3dgan.csail.mit.ed...
随着3D打印的不断发展，人们正在开发越来越多的3D模型。从基于硬件的扫描仪（如Microsoft Kinect）到基于软件（如123D Catch），有很多方法可以从一系列图像创建3D模型。但是，...
用单张2D图像重构3D场景
用单张2D图像重构3D场景
http://blog.csdn.net/zouxy09
之前看到Stanford大学的机器学习公开课程的lecture0...
2D图片转3D模型软件介绍
原文http://protoduct.com/post//
如果说3D打印是从虚拟到现实的桥梁，那么3D扫描就是那段回程。3D打印要想得到普及，普通消费者能...
基于单幅图像的2D转3D算法研究
最近，3D影片盛行，3D电视技术也层出不穷，3D技术在带给大家非凡的视觉冲击同时，也在告诉大家这背后隐藏了太多的商机。
目前的3D技术大体分为两种：软件技术和硬件技术。所谓硬件技术就是在拍摄影...
基于多视角照片的3D人脸重建
【原文：http://www.sigvc.org/why/book/3dp/chap5.3.2.htm】
5.3.2 基于多视角照片的3D人脸重建
多视角三维重建的技术原理请详见第6章6....
关于使用2d照片进行3d建模
转载感言：作者一句业余，搞得弟兄们面红耳赤了；感谢作者的可行性分析！
Autodesk 的 123D Catch 让我们能够很简单的根据一组照片构建3D物体，...
美研究人员发布开源软件可用单张照片生成3D模型
美研究人员发布开源软件可用单张照片生成3D模型
17:52| 发布者: admin| 查看:
8572| 评论: 2
http://maker8.co...
由三维模型生成二维图片
如果你在三维建模软件中建立了物体的三维模型，想要制作二维图，可以按照以下步骤。我们使用了以下几个软件：
假设在 SolidWorks 软件中画好了三维图（例子点击下载）：　　
（本文部分内容摘选自http://www.cnblogs.com/ImageVision/archive//2418602.html）
没有更多推荐了，张翰的眼睛是什么梗-名流知识-金投奢侈品网-金投网
金投奢侈品网整合
张翰的眼睛是什么梗？也不知道是谁恶搞，弄出一张满是张翰的眼睛的图片，简直不要太吓人，密集恐惧症的人恐怕要哭晕在厕所了。说好的男神，结果来一张吓死人的照片，还让人活不。
张翰的眼睛是什么梗？也不知道是谁恶搞，弄出一张满是张翰的眼睛的图片，简直不要太吓人，密集恐惧症的人恐怕要哭晕在厕所了。说好的男神，结果来一张吓死人的照片，还让人活不。很多网友看过张翰的眼睛照片之后，纷纷表示要求封杀这张图片。
本来是一张干净白皙的脸被网友PS恶搞变成了一张满脸是眼睛的图片，一般有密集恐惧症的人看到张翰这样照片肯定都会有种恶心想吐头皮发麻的感觉，反正小编看到这张照片之后胃里直泛酸水，恶心的想吐，不知道有没有小伙伴和小编同感的?
一般人在看到这张照片之后都会有头皮发麻的想吐的冲动，更别说是那些有密集恐惧症的人了，张翰的这张满脸眼睛的照片是网友恶搞的，这张图估计是用PS或者是图片处理软件做出来的，一张很白净的脸上做出很多眼睛，不仅难看，而且看了以后还觉得恶心。不知道张翰自己看了网友恶搞的这样照片会做何感想?估计也会忍不住要吐槽吧!
密集物体恐惧症其真正恐惧的原因是因为人们会对密集物体发生本能的恐惧心理，所谓的莲蓬图正是利用这一点吓到不少人，图片本身并不恶心，只是一种心理反应而已。对密集排列的相对小物体很敏感，感觉头晕，恶心，头皮发麻。莲蓬乳、空手指等给人程度最大的密集型恐惧。
不是因为张翰的这张脸和他的眼睛恶心，而是觉得是P图人居心否侧，不知道是有意黑张翰，还是成心让喜欢张翰的粉丝不好过，这张照片实在是不适合在朋友圈传播，造成正常人患笔记恐惧症，密集恐惧症患者病情加重。
像张翰脸上P了很多只眼睛，这应该不属于密集恐惧症的范畴，但是不知道为什么小编看了以后就是觉得恶心头皮发麻。其实张翰本人非常反感粉丝拿他的图片做各种表情包或者是PS等等，他回应表示当年被恶搞成表情包一事：“刚看到的时候很生气，因为那段时间自己很难受的一个阶段，每天就睡三个小时，每天都要吃安眠药睡觉。
大家的娱乐恶搞的行为让张翰非常的难以接受，还一度抑郁，他表示：“本来就是人生的致暗时刻，又被别人拿来调侃，那个时候的自己真的好像刺猬一样，说什么都要去反击。”现在张翰已经不在乎这些了，作为公众人物被各种恶搞其实是一种常态，不管你怎么生气发飙都不会改变什么，既然改变不了别人那就改变改变自己，现在的张翰从容多了，不在计较这些东西了，把更多的重心放在了演技的提升上。
以上是金投奢侈品网小编为您介绍张翰的眼睛是什么梗的问题，更多的名流知识请关注金投奢侈品网。
重要提示文章部分内容及图片来源于网络，我们尊重作者版权，若有疑问可与我们联系。侵权及不实信息举报邮箱至：tousu@cngold.org
编辑：糖沫沫
两人都纷纷与旧爱分手是不是意味着两人有复合的机会呢?不少网友都希望两人能够破镜重圆不知道有没有可能?下面我们来看看张翰从来没放下过郑爽是真的吗？以及张翰现在还爱郑爽吗?
<font class="visited
听说许晴了解了张翰和郑爽当初分手的真相以后就对郑爽有很大的看法，不知道是不是真的?下面我们来看看许晴和郑爽为什么不和?以及许晴说郑爽配不上张翰?和许晴跟张翰睡了真假?
&#160;&#160;&#160;&#160;&#160;
<font class="visited
微博热搜爆出张翰和娜扎分手的消息，粉丝和网友们留言一言难尽!张翰和古力娜扎确认分手了，携手走过了三年的情侣古力娜扎张翰分手原因是什么呢?是张翰放不下前女友郑爽还是另有其因呢?
&#160;&#160;
<font class="visited
近日，有网友拍到张翰在机场上错车被粉丝提醒，场面搞笑。
&#160;&#160;&#160;
<font class="visited
古力娜扎和张翰工作室齐发声明，宣布张翰、娜扎已于今年10月中旬和平分手，结束三年恋情。那么张翰和娜扎为什么分手？
&#160;&#160;
<font class="visited
免责声明金投网发布此文目的在于促进信息交流，不存在盈利性目的，此文观点与本站立场无关，不承担任何责任。部分内容文章及图片来自互联网或自媒体，版权归属于原作者，不保证该信息（包括但不限于文字、图片、图表及数据）的准确性、真实性、完整性、有效性、及时性、原创性等，如无意侵犯媒体或个人知识产权，请来电或致函告之，本站将在第一时间处理。未经证实的信息仅供参考，不做任何投资和交易根据，据此操作风险自担。
金投网下载