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
在我们的日常生活中,睡眠的重要性不言而喻。一个晚上没睡好,第二天的工作效率就会大打折扣,而充足的睡眠不仅能让我们恢复精力,还能帮助大脑整理和巩固当天学到的知识。有趣的是,AI模型竟然也表现出了类似的“睡眠需求”。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
尽管模型上下文协议(MCP)自11月推出以来用户数量快速增长,但金融机构等监管行业仍保持谨慎态度。银行等金融服务公司虽然在机器学习和算法方面是先驱,但对于MCP和Agent2Agent(A2A)系统的采用较为保守。监管企业通常只使用内部代理,因为其API集成需要经过多年审查以确保合规性和安全性。专家指出,MCP缺乏基本构建块,特别是在互操作性、通信标准、身份验证和审计跟踪方面。金融机构需要确保代理能够进行"了解您的客户"验证,并具备可验证的身份识别能力。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。