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
存储扩展专家Lucidity将其AutoScaler平台扩展至Kubernetes容器编排平台,帮助企业控制存储支出。该公司表示,Kubernetes中的持久卷常常成为隐形浪费源,虽然Kubernetes可自动扩展实例数量,但底层存储通常未被充分利用。新服务可为亚马逊EKS提供持久卷的自动扩缩容,声称可为客户节省高达70%的云块存储费用。
腾讯ARC实验室推出AudioStory系统,首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术,通过交错式推理生成、解耦桥接机制和渐进式训练,能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异,为AI音频创作开辟新方向。
超过1.8万Spotify用户加入名为"Unwrapped"的集体组织,通过去中心化数据平台Vana将个人听歌数据打包出售给AI开发者。该组织已将1万用户的艺术家偏好数据以5.5万美元价格售出,用于构建新型流媒体数据分析工具。Spotify对此发出警告,称该行为违反开发者政策和商标权,禁止将平台数据用于机器学习模型构建。但Unwrapped团队坚持用户拥有控制和变现个人数据的权利,双方就数据所有权展开争议。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。