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
大多数用户只使用计算机预装的操作系统直到报废,很少尝试更换系统。即使使用较老版本的Windows或macOS,用户仍可通过开源软件获益。本文建议通过重新安装系统来提升性能,Mac用户可从苹果官方下载各版本系统安装包,PC用户则建议使用纯净版Windows 10 LTSC以获得更长支持周期。文章强调备份数据的重要性,并推荐升级内存和固态硬盘。对于老旧系统,应替换需要联网的内置应用以降低安全风险,定期进行系统维护清理。
新加坡南洋理工大学研究团队提出"棱镜假设",认为图像可像光谱一样分解为不同频率成分,低频承载语义信息,高频包含视觉细节。基于此开发的统一自编码系统UAE,通过频率域分解成功统一了图像理解和生成能力,在多项基准测试中超越现有方法,为构建真正统一的视觉AI系统提供了新思路,有望推动计算机视觉技术向更智能统一的方向发展。
微软杰出工程师Galen Hunt在LinkedIn上宣布,目标是到2030年消除微软所有C和C++代码。公司正结合AI和算法重写最大的代码库,目标是"1名工程师、1个月、100万行代码"。微软已构建强大的代码处理基础设施,利用AI代理和算法指导进行大规模代码修改。该项目旨在将微软最大的C和C++系统翻译为内存安全的Rust语言,以提高软件安全性并消除技术债务。
芝加哥伊利诺伊大学团队提出QuCo-RAG技术,通过检查AI训练数据统计信息而非内部信号来检测AI回答可靠性。该方法采用两阶段验证:预检查问题实体频率,运行时验证事实关联。实验显示准确率提升5-14个百分点,在多个模型上表现稳定,为AI可靠性检测提供了客观可验证的新方案。