全新版本还引入新的 DeepPRIME 降噪工具,相比之前的版本提速 4 倍,并支持 Fujifilm X-Trans 传感器(Beta)
DxO PhotoLab 现为图像质量树立了标杆。该软件为用户提供了市场上最强大的校正和处理解决方案,具备自动化功能,并可根据需要关闭和调整。软件还通过独有的镜头锐度技术和众多工具提供无与伦比的光学校正,一切都旨在不影响图像质量的前提下激发艺术表现力。
U Point™ 技术:新指针 — 控制线 — 和改良的感光度设置
DxO 添加了第二种类型的指针:控制线,进一步提升了现有最高效、最直观的局部编辑和调整技术。作为该技术现有的控制点的补充,这款全新工具允许用户使用简便的选择方法在大面积区域进行微调。为了实现更高的精确度,“控制线”和“控制点”现已配备感光度设置。摄影师可以根据目标区域的亮度和色度轻松调整编辑效果。
包含元数据和关键词管理功能的“照片库”
PhotoLab 5 现已可以处理 IPTC 和 EXIF 数据以及第三方应用同步。它还提供通过交互式树状结构进行关键词优先级排序的高级方法。此外,全新版本重整了软件的照片库管理工具,实现进一步优化。
DeepPRIME:更高效率,4 倍提速
通过深度学习算法对 DxO 实验室过去 20 年分析的数百万张图像进行训练,DxO DeepPRIME 技术横空出世,使用人工智能处理 RAW 文件。它极大地提高了针对数字噪点的降噪能力,同时确保更有效地去马赛克。传统上,这两项操作是分开进行的,每一项操作都存在缺陷,会削弱另一项操作的质量。 DeepPRIME 通过深度学习,采取了整体方法,将两个步骤合二为一。
DxO PhotoLab 5 和 DeepPRIME 的深度学习法在反应性以及处理和导出时间方面实现了显著优化。所有用户均可享受到这些改进成果,Apple Silicon Mac 用户实现了 4 倍提速,最优异的 Windows 架构则实现了 1.5 倍提速。
支持 Fujifilm X-Trans 传感器(Beta)
DxO PhotoLab 5 有史以来首次支持配备 Fujifilm X-Trans 传感器的相机。从最新的 X-E4、X-S10、X-T4 和 X100V 到较旧的 X-E2 和 X-70,现已支持不少于22款Fujifilm 相机。此外,还推出了 605 个全新 DxO 模块。这些模块通过独有的 DxO Labs 校准过程创建,可自动消除光学缺陷,如畸变、色差、暗角和锐度不足。
“我们很高兴,终于可以向 Fujifilm 摄影师群体敞开大门,” 产品战略副总裁 Jean-Marc Alexia 如是说, “我们的目标是为他们提供图像质量领域的最佳解决方案。为此,我们创建了一个专门收集反馈的网站。我们迫不及待想听听他们的想法。”
欢迎 Fuji 摄影师通过以下网站提交反馈和评论:www.dxo.com/feedbacks-xtrans-beta
支持更多设备
DxO PhotoLab 5 支持 26 款全新相机:佳能 EOS Ra、DJI Air 2S & Mini 2、Fujifilm X-E2、X-E2S、X-E3、X-E4、X-H1、X-Pro2、X-Pro3、X- S10、X-T1、X-T2、X-T20、X-T3、X-T30、X-T4、X100F、X100T、X100V、X70、尼康 Z fc、奥林巴斯 PEN E-P7、松下 GH5 II、宾得 K -3 III、索尼 ZV-E10。
价格与上市
DxO PhotoLab 5(PC 和 Mac)现已上线 DxO 在线商店(http://shop.dxo.com/),2021 年 12 月8日至2021 年12月31日之间购买可享受上新价格。DxO官网接受微信支付和支付宝付款方式。
DxO PhotoLab 5 许可证无需订阅,可以安装于两个工作站(DxO PhotoLab 5 ESSENTIAL版)或三个工作站(DxO PhotoLab 5 ELITE 版)上。
拥有 DxO PhotoLab 3 和 DxO PhotoLab 4 许可证的摄影师可在https://shop.dxo.com/zh-cn/license/account/listing/上登录帐户,购买 DxO PhotoLab 5 升级。持有 DxO PhotoLab 3 之前版本的用户无法升级,需购买新的许可证。
DxO 网站提供为期一个月的 DxO PhotoLab 5 完整试用版:https://www.dxo.com/zh-cn/dxo-photolab/download/。
好文章,需要你的鼓励
全新搜索方式出现,字节发布宽度优先搜索基准WideSearch,垫底的竟是DeepSeek
阿里巴巴团队推出DeepPHY,这是首个专门评估AI视觉语言模型物理推理能力的综合平台。通过六个不同难度的物理环境测试,研究发现即使最先进的AI模型在物理推理任务中表现也远低于人类,成功率普遍不足30%。更关键的是,AI模型虽能准确描述物理现象,却无法将描述性知识转化为有效控制行为,暴露了当前AI技术在动态物理环境中的根本缺陷。
GitHub CEO声称AI将承担所有编程工作,但现实中AI编程工具实际上降低了程序员的生产效率。回顾编程语言发展史,从Grace Hopper的高级语言到Java等技术,每次重大突破都曾因资源限制和固有思维遭到质疑,但最终都证明了抽象化的价值。当前AI编程工具面临命名误导、过度炒作和资源限制三重困扰,但随着技术进步,AI将有助于消除思想与结果之间的障碍。
AgiBot团队联合新加坡国立大学等机构开发出Genie Envisioner机器人操作统一平台,首次将视频生成技术应用于机器人控制。该系统通过100万个操作视频学习,让机器人能够预测行动结果并制定策略,在多个复杂任务上表现优异,仅需1小时数据即可适应新平台,为通用机器人智能开辟全新路径。