作为Adobe Photoshop和Lightroom Classic的著名插件套件(共八款),Nik Collection 5新增全新的工具帮助摄影师去除照片中的大气灰雾并提供29种忠实再现彩色胶片颗粒的效果。
DxO产品宣传大使Nicolas Beaumont介绍说,DxO不断开发Nik Collection,满足使用者的需求。“Nik Collection的目标是不同层级的摄影师,不过其是一个非常完美的软件,即使是业余爱好者也容易上手。”
Nik Collection 5的八款插件功能强大且多样,还可以作为独立应用程序使用,让摄影师释放无限的创造潜力。 超过300种预设提供即时结果,而直观的滑块和DxO独有的用于局部调整的U-Point技术让摄影师释放创意潜力,并使照片中每个细节都能得到完善。
Nik Color Efex和Nik Analog Efex受益于完全重新设计和升级的用户界面体验,使其与最近更新的Nik Silver Efex和Nik Viveza保持一致。借助这两款插件中新近改进的功能性用户体验,现在用户既可以进行精美的创意工作,也可以实现与大型项目兼容的工作流程。
DxO独家创新技术加持
Nik Collection 5新增的插件得益于DxO的创新技术,比如U Point技术、ClearView技术,功能表现更加出色。
例如U Point技术支持重命名控制点,使其更易于管理,添加了明亮度和色度两个颜色选择滑块,让用户可以更好地控制局部调整的影响,使得创建和编辑控制点成为一种简洁且流畅的体验。
Nik Color Efex是一种增强和编辑色彩的强大工具,并且继续成为最受Nik Collection用户欢迎的插件。
DxO产品经理Maxime Pericaud表示,Nik Color Efex标志着DxO在改进Nik Collection方面的强劲实力。
借助DxO PhotoLab 5的ClearView技术,用户可以在Nik Color Efex中轻松去除照片中的灰雾。 使用一个简单的滑块智能地减少浓雾、水雾、烟雾和污染,还原照片的对比度和颜色。
Color Efex还受益于DxO专用实验室创建的29种全新真实彩色胶片颗粒效果,为模拟时代的爱好者提供了许多新的创意选择。
Nik Analog Efex在重现复古摄影效果方面独一无二。Nik Collection 5更新了Nik Analog Efex,让其使用起来更有趣且更直观,同样借助U Point技术,专业摄影师可以根据已实现的滤镜进行精确的局部调整,所有这些都不需要使用蒙版或者复杂的图层。
此外,受益于DxO独家实验室持续进行的研究,Nik Perspective Efex所支持设备的数据库添加了20 多款新的相机和60个镜头。 该插件现在可以自动校正超过70000种相机和镜头组合所产生的几何畸变。
RAW拍摄者还可以体验DxO PhotoLab 5 ESSENTIAL的强大功能,这是一款功能丰富的照片编辑软件,包含DxO著名的光学模块和U Point技术,可实现精确的局部调整。
Maxime Pericaud说,DxO PhotoLab 5是Nik Collection套件的完美伴侣,图像可以轻松地在应用程序和插件之间来回地切换,而且它适用于任何需要强大的RAW编辑软件的人。
结语
DxO在创新方面是一贯的,他们除了功能更新外,还在听取用户需求让Nik Collection未来可以在移动终端运行。同时,DxO也重视中国市场,加强与中国用户的互动,持续改进产品,服务中国的摄影师。
好文章,需要你的鼓励
Vanta 推出全新 AI 合规代理,自动处理安全与合规工作流,从策略映射到证据审核,有效降低人工失误并提升运营效率。该产品已启动私测,七月全面上线在即,开启企业风险管理新时代。
谷歌DeepMind研究团队开发了一种革命性的机器人3D重建技术SplatMesh,能够让机器人从不完美的真实数据中学习,同时重建物体几何形状和外观。该技术采用端到端优化策略,将机器人校准、场景重建和物理仿真统一在一个框架中,在ALOHA2双臂机器人上的实验证明其能够处理现实世界的复杂条件,为机器人自主学习和适应提供了新的解决方案。
电子科技大学研究团队突破性发现:仅使用不到10%的精选训练数据,就能让多模态AI的推理能力超越传统全数据训练方法,同时缩短40%训练时间。他们开发的RAP数据选择框架通过因果差异分析和注意力评估,精准识别能激发AI真正多模态推理的"认知样本",颠覆了"大数据必然更好"的传统观念,为AI训练开辟了质量优先的新路径。
这项由巴斯克语言技术中心团队完成的研究,开发了GUIDEX方法来自动生成信息提取的标注指南和训练数据。该方法通过四个步骤(文档总结、结构化表示、指南生成、实例提取)模拟专家工作流程,无需人工标注即可适应新领域。实验显示,GUIDEX在七个零样本命名实体识别基准上创造了新的最佳成绩,比现有方法平均提升近2个F1分数点。