百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术分类 > 正文

14个品牌!64支唇膏使用心得报告

ztj100 2025-04-26 22:40 18 浏览 0 评论

14个品牌!64支唇膏使用心得报告

YSL

最先也是从SHINE系列开始“脑残”的,水润显色,味道我是蛮喜欢的,所有试色之前博文都做过,感兴趣的自己翻一翻吧。

SHINE系列,左起色号:3、5(用到头了)、6、12、19

普通的金圆管,2支都是去年的春季系列,31和33

大概是我现有唇彩里最喜欢的了!49和15

唇釉8# 唇釉流行的那阵用得比较多,现在还是喜欢直接用唇膏,方便

NARS

20周年Audacious系列唇膏,12月的博文里写很详细,懒得搬了,原谅我任性。

左起:NATALI、GRACE、ANNABELLA、MICHIYO

SHU UEMURA 植村秀

她家唇膏很推荐,有水润的、有显色的、我最推荐是她家的哑光系列,质地比较柔滑,不会太干,价格也挺可爱。

色号前面有M就是哑光系列,所以买的时候要注意,不要只认PKXX,RDXX

DIOR

雕牌的都比较润,白管颜色比较淡,黑管比较显色。最左的丰唇蜜大家都很熟啦。唇彩没有大感觉,刷子型的刷头比棉的那种更招我喜欢一点。

JILL STUART

小公主系列,为外貌买单,唇彩颜色美,属于比较显色的,看到管身里怎样涂出来就怎样,缺点有点粘。唇膏是显色又水润的类型。

资生堂

心机也是她家的就一起写啦。除了最上面一支,其他都算唇釉类吧,微晶蜜在@cosme上被分在唇膏里,so……随便了吧。唇膏没有特别之处,唇釉还是不错的,就是质地有一点点厚,喜欢薄薄没有覆盖感觉的人可能会不喜欢。微晶蜜比SHISEIDO的薄一点,同样显色。

MAC

很早就接触的一个牌子,但买的是在不多,这堆里就一支是我买的!!曾经裸色风靡的时候她家子弹头很红,所以我入手的是哪支应该懂吧。幸好是LUSTRE质地,还算比较润。哑光质地就真的是蛮干的,而且唇膏放久了,感觉会变更干。。。

手抖多打一个O,应该是Russian Red

CHANEL

看到特别喜欢的颜色会收的类型,质地不同也分几个种类,但每种都没有特别出色的感觉。我是真的不迷恋双C,图多是因为拍出来还蛮美的 XD

GUCCI

大牌都来彩妆界分一杯羹,抱着好奇和收集癖的心态收了2支,一支水润、一支哑光的。质感颜色都不错,唯独香味我实在受不了!除去香味,应该就能归在【品质不错系列】里。

不要怀疑你的眼睛,我真的买了鬼打墙的2个颜色,谁叫我那时候就迷“成熟粉”呢!

美宝莲

去年新出的叫“轻唇膏”,水润得不得了,但又不会沦为淡彩润唇膏,显色力也是OK的。简单形容就是YSL SHINE的平价版,如果不萌JS的包装,这2支完全可以替代。

右边这支拧到头了哦!!

在手里众多哑光唇膏中,这2支的质地最棒,或者说最得我喜欢。

LMDB 牌子比较小众,但质感绝对好,秒杀上面某些大牌。哑光不干,质感超轻盈,几乎感觉不到存在感,持久度也是我所有唇膏里最好的!

LADUREE 哑光质感仅次于LMDB,色号很适合我,反正每次涂异性缘就会变好,相亲约会定番色。

我始终不是太懂把唇膏做成“笔”的优点在哪里,不过要用卷笔刀的,我再也不想入了!求品牌们为懒癌患者多着想一点吧。

TOM FORD

有人说TF的干,我觉得还OK啦~属于CREAMY系列,反正就是莫名脑残,ALL不起就慢慢一直一直收。SHINE系列以后还是会收1、2支试试,强迫症,你们懂的。

PAUL & JOE

不失望的PJ唇膏,买多了只是容易鬼打墙而已。也是分几个系列,从色号上区别。让人“脑残”的是它的抢钱包装。每一季都会有几个限定色号。小清新和重口色都有,清新的可以淡到像润唇膏,重的……大家自己看图吧。

关于我men:

微信公众号:liaoran_6

联系小编:327344691

相关推荐

其实TensorFlow真的很水无非就这30篇熬夜练

好的!以下是TensorFlow需要掌握的核心内容,用列表形式呈现,简洁清晰(含表情符号,<300字):1.基础概念与环境TensorFlow架构(计算图、会话->EagerE...

交叉验证和超参数调整:如何优化你的机器学习模型

准确预测Fitbit的睡眠得分在本文的前两部分中,我获取了Fitbit的睡眠数据并对其进行预处理,将这些数据分为训练集、验证集和测试集,除此之外,我还训练了三种不同的机器学习模型并比较了它们的性能。在...

机器学习交叉验证全指南:原理、类型与实战技巧

机器学习模型常常需要大量数据,但它们如何与实时新数据协同工作也同样关键。交叉验证是一种通过将数据集分成若干部分、在部分数据上训练模型、在其余数据上测试模型的方法,用来检验模型的表现。这有助于发现过拟合...

深度学习中的类别激活热图可视化

作者:ValentinaAlto编译:ronghuaiyang导读使用Keras实现图像分类中的激活热图的可视化,帮助更有针对性...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

机器学习入门教程-第六课:监督学习与非监督学习

1.回顾与引入上节课我们谈到了机器学习的一些实战技巧,比如如何处理数据、选择模型以及调整参数。今天,我们将更深入地探讨机器学习的两大类:监督学习和非监督学习。2.监督学习监督学习就像是有老师的教学...

Python教程(三十八):机器学习基础

...

Python 模型部署不用愁!容器化实战,5 分钟搞定环境配置

你是不是也遇到过这种糟心事:花了好几天训练出的Python模型,在自己电脑上跑得顺顺当当,一放到服务器就各种报错。要么是Python版本不对,要么是依赖库冲突,折腾半天还是用不了。别再喊“我...

超全面讲透一个算法模型,高斯核!!

...

神经网络与传统统计方法的简单对比

传统的统计方法如...

AI 基础知识从0.1到0.2——用“房价预测”入门机器学习全流程

...

自回归滞后模型进行多变量时间序列预测

下图显示了关于不同类型葡萄酒销量的月度多元时间序列。每种葡萄酒类型都是时间序列中的一个变量。假设要预测其中一个变量。比如,sparklingwine。如何建立一个模型来进行预测呢?一种常见的方...

苹果AI策略:慢哲学——科技行业的“长期主义”试金石

苹果AI策略的深度原创分析,结合技术伦理、商业逻辑与行业博弈,揭示其“慢哲学”背后的战略智慧:一、反常之举:AI狂潮中的“逆行者”当科技巨头深陷AI军备竞赛,苹果的克制显得格格不入:功能延期:App...

时间序列预测全攻略,6大模型代码实操

如果你对数据分析感兴趣,希望学习更多的方法论,希望听听经验分享,欢迎移步宝藏公众号...

AI 基础知识从 0.4 到 0.5—— 计算机视觉之光 CNN

...

取消回复欢迎 发表评论: