PS 2020更新特點：支持神經(jīng)網(wǎng)絡濾鏡，AI一鍵就能變老
Adobe的PhotoShop是很多設計師及影像玩家離不開的工具了，只要有想法，PS可以實現(xiàn)太多好玩的東西了?，F(xiàn)在PS 2020 22.0版升級了，官方支持了神經(jīng)網(wǎng)絡濾鏡，加大了對AI的支持，一鍵就能變老。
在10月更新的PS 22.0版中，Adobe帶來了五大功能升級，增加了新的“發(fā)現(xiàn)“面板，增加了云端文檔，新的圖案預覽，另外兩項功能就與AI有關，一個是Sky Replacement，其實國產(chǎn)安卓手機就有的魔法換天功能跟這個是一樣的效果。
還有一個就是全新的神經(jīng)網(wǎng)絡濾鏡（Neural Filters），它就充分利用了當前熱門的AI技術(shù)，不需要復雜的PS操作，直接拖動菜單就可以給場景著色、放大圖像，或者就是改變?nèi)讼竦谋砬?、年齡、眼神以及姿勢。
官方演示的gif就是一鍵變老，只要拖動滑塊就可以讓一個小伙子變成老頭，這樣的設計大大簡化了設計師的工作量了。
可以預計，未來隨著AI技術(shù)在圖像處理行業(yè)的大規(guī)模應用，PS以后真的可以變成美圖秀秀那樣的一鍵美化軟件，只不過現(xiàn)在的一鍵美化用的是現(xiàn)成的模板，而未來的一鍵美圖基于神經(jīng)網(wǎng)絡，云端替你計算好效果了。
責編AJX
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
神經(jīng)網(wǎng)絡
+關注
關注
42文章
4814瀏覽量
103610 -
AI
+關注
關注
88文章
35152瀏覽量
279841 -
Photoshop軟件
+關注
關注
0文章
24瀏覽量
3413
發(fā)布評論請先 登錄
相關推薦
熱點推薦
BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的比較
BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡在多個方面存在顯著差異，以下是對兩者的比較： 一、結(jié)構(gòu)特點 BP神經(jīng)網(wǎng)絡 ： BP
如何優(yōu)化BP神經(jīng)網(wǎng)絡的學習率
優(yōu)化BP神經(jīng)網(wǎng)絡的學習率是提高模型訓練效率和性能的關鍵步驟。以下是一些優(yōu)化BP神經(jīng)網(wǎng)絡學習率的方法： 一、理解學習率的重要性 學習率決定了模型參數(shù)在每次迭代時
BP神經(jīng)網(wǎng)絡的優(yōu)缺點分析
BP神經(jīng)網(wǎng)絡（Back Propagation Neural Network）作為一種常用的機器學習模型，具有顯著的優(yōu)點，同時也存在一些不容忽視的缺點。以下是對BP神經(jīng)網(wǎng)絡優(yōu)缺點的分析
什么是BP神經(jīng)網(wǎng)絡的反向傳播算法
BP神經(jīng)網(wǎng)絡的反向傳播算法（Backpropagation Algorithm）是一種用于訓練神經(jīng)網(wǎng)絡的有效方法。以下是關于BP神經(jīng)網(wǎng)絡的反向傳播算法的介紹：
BP神經(jīng)網(wǎng)絡與深度學習的關系
BP神經(jīng)網(wǎng)絡與深度學習之間存在著密切的關系，以下是對它們之間關系的介紹： 一、BP神經(jīng)網(wǎng)絡的基本概念 BP神經(jīng)網(wǎng)絡，即反向傳播神經(jīng)網(wǎng)絡（Ba
人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法
在上一篇文章中，我們介紹了傳統(tǒng)機器學習的基礎知識和多種算法。在本文中，我們會介紹人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法，供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡 ? 人工
一文詳解物理信息神經(jīng)網(wǎng)絡
物理信息神經(jīng)網(wǎng)絡 (PINN) 是一種神經(jīng)網(wǎng)絡，它將微分方程描述的物理定律納入其損失函數(shù)中，以引導學習過程得出更符合基本物理定律的解。
卷積神經(jīng)網(wǎng)絡的實現(xiàn)工具與框架
： TensorFlow是由Google Brain團隊開發(fā)的開源機器學習框架，它支持多種深度學習模型的構(gòu)建和訓練，包括卷積神經(jīng)網(wǎng)絡。TensorFlow以其靈活性和可擴展性而聞名，適用于研究和生產(chǎn)環(huán)境。 特點： 靈活性： Te
卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較
神經(jīng)網(wǎng)絡，也稱為全連接神經(jīng)網(wǎng)絡（Fully Connected Neural Networks，F(xiàn)CNs），其特點是每一層的每個神經(jīng)元都與下
RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡的區(qū)別
神經(jīng)網(wǎng)絡是機器學習領域中的一種強大工具，它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展，神經(jīng)網(wǎng)絡的類型也在不斷增加，其中循環(huán)神經(jīng)網(wǎng)絡（RNN）和傳統(tǒng)
LSTM神經(jīng)網(wǎng)絡的結(jié)構(gòu)與工作機制
的結(jié)構(gòu)與工作機制的介紹： 一、LSTM神經(jīng)網(wǎng)絡的結(jié)構(gòu) LSTM神經(jīng)網(wǎng)絡的結(jié)構(gòu)主要包括以下幾個部分： 記憶單元（Memory Cell） ： 記憶單元是LSTM網(wǎng)絡的核心，負責在整個序列
LSTM神經(jīng)網(wǎng)絡的基本原理 如何實現(xiàn)LSTM神經(jīng)網(wǎng)絡
LSTM（長短期記憶）神經(jīng)網(wǎng)絡是一種特殊的循環(huán)神經(jīng)網(wǎng)絡（RNN），它能夠?qū)W習長期依賴信息。在處理序列數(shù)據(jù)時，如時間序列分析、自然語言處理等，LSTM因其能夠有效地捕捉時間序列中的長期依賴關系而受到
Moku人工神經(jīng)網(wǎng)絡101
Moku3.3版更新在Moku:Pro平臺新增了全新的儀器功能【神經(jīng)網(wǎng)絡】，使用戶能夠在Moku設備上部署實時機器學習算法，進行快速、靈活的信號分析、去噪、傳感器調(diào)節(jié)校準、閉環(huán)反饋等應用。如果您
關于卷積神經(jīng)網(wǎng)絡，這些概念你厘清了么~
隨著人工智能(AI)技術(shù)的快速發(fā)展，AI可以越來越多地支持以前無法實現(xiàn)或者難以實現(xiàn)的應用。本文基于此解釋了 卷積神經(jīng)網(wǎng)絡 (CNN)及其對人工智能和機器學習的意義。CNN是
發(fā)表于 10-24 13:56
matlab 神經(jīng)網(wǎng)絡 數(shù)學建模數(shù)值分析
matlab神經(jīng)網(wǎng)絡 數(shù)學建模數(shù)值分析 精通的可以討論下
發(fā)表于 09-18 15:14
工商網(wǎng)監(jiān)
評論