• <noscript id="xof0p"></noscript>

  • <ruby id="xof0p"></ruby>
      <ruby id="xof0p"><table id="xof0p"><thead id="xof0p"></thead></table></ruby>

      聯系我們

      返回頂部

      您當前在 首頁 EOS微單/單反相機 > Canon app

      Canon app

      佳能一直以來都對高畫質有著不懈的追求。
      在不斷的研發中孕育出一代又一代的高畫質鏡頭、高性能相機。
      但作為光學設備的相機、鏡頭,在原理上有無法避免的問題,會造成畫質降低。
      為改善這些問題,佳能導入了新的手段,那就是深度學習圖像處理技術。

      佳能神經網絡技術解讀白皮書 ?

      不斷升級的佳能深度學習技術

      “神經網絡”是模擬人腦神經網的數學模型,基于此模型讓計算機學習大量的數據,由此計算機可把握數據特征,并進行合理的推算及判斷。這就是深度學習。醫療中的影像診斷、汽車的自動駕駛等很多領域的進步都離不開深度學習。
      佳能在很早以前就開始關注深度學習,在圖像識別技術的開發中就運用了這一技術。 并在2020年發售的EOS-1D X Mark III上首次導入了基于深度學習識別被攝體的功能。之后,這一功能不斷升級,已經可以識別狗、貓、鳥、馬這些動物,還可以識別賽車、火車和飛機等交通工具,佳能相機的自動對焦精度及快捷性都得到了大幅提高。

      除了將深度學習技術運用到相機中,佳能又將目光轉向了深度學習在圖像處理方面的應用。并提供了兩個圖像處理工具,進一步提升照片的畫質。

      神經網絡圖像處理工具(Neural network Image Processing Tool)可以高效降噪、補償色彩、進行鏡頭光學優化,讓畫質及圖像效果達到之前很難達到的新水平。
      神經網絡升級工具(Neural network Upscaling Tool)則可以對圖像進行高效的處理,在盡量不降低畫質的基礎上,將圖像分辨率提升至4倍。
      靈活運用這兩個工具,可以讓所拍照片進一步獲得高畫質,從而拓展照片表現的可能性。

      神經網絡圖像處理工具

      Neural network Image Processing Tool

      神經網絡圖像處理工具(Neural network Image Processing Tool)主要有降噪、去馬賽克、鏡頭優化這三大功能。每種功能都使用了佳能的照片樣張數據庫,基于深度學習技術開發而成,通過新的高精度圖像處理提升畫質。

      降噪功能基于高效的降噪處理,提升輪廓線的品質和降噪效果。去馬賽克功能可以抑制偽色彩、摩爾紋以及鋸齒現象,提升圖像分辨力。鏡頭優化是原有數碼鏡頭優化功能的升級版,以前,大幅的像差以及像差引起的高光溢出是很難補償的,此次的鏡頭優化的改善效果有了很大提升。
      利用這些功能,使用更高的感光度拍攝,之后再用工具進行處理,也可獲得干凈的畫質。拍攝時可更放心地提高感光度。在室內運動等,需要開大光圈提升快門速度的情況下,可后期處理大光圈下的像差,拍攝設置不用過于顧慮對畫質的影響,可放心進行多樣的照片表現。

      神經網絡升級工具

      Neural network Upscaling Tool

      神經網絡升級工具(Neural network Upscaling Tool)可將JPEG、TIFF圖像的長寬擴大2倍,獲得4倍分辨率的圖像。雖然市面上也有不少可以擴大圖像尺寸的工具,但擴大很容易造成畫質模糊,精細度降低。
      神經網絡升級工具可還原相機捕捉光線到生成圖像的過程,基于對佳能照片樣張數據庫的深度學習,在放大圖像的時候盡量保持圖像精細度,生成高分辨率圖像。

      比如,像素數約2000萬的EOS-1D X Mark III所拍的圖像,使用神經網絡升級工具后,分辨率達到了4倍的約8000萬像素,畫質能夠適應B2的大幅面打印。

      所拍圖像(約2000萬像素)局部放大


      神經網絡升級(約8000萬像素)局部放大


      在野生動物、體育運動、實況報道等領域,抓住決定性瞬間本身就很難,拍攝時往往不能獲得想要的構圖效果。后期通過裁切畫面重新構圖是比較常見的手法。此時運用神經網絡升級工具,即便圖像裁切到原來的二分之一,也能還原到原有的分辨率。且不用太擔心畫質的降低。 如果使用1000萬像素的相機,所拍照片可以放大到4000萬像素,很久之前拍的老照片也有了再利用的空間。

      深度學習圖像處理工作流程

      神經網絡圖像處理工具和神經網絡升級工具是收費工具。其中神經網絡圖像處理工具是佳能免費軟件Digital Photo Professional的插件,神經網絡升級工具則是單獨的工具。

      ●神經網絡圖像處理工具的操作流程

      首先啟動神經網絡圖像處理工具(Neural network Image Processing Tool)。顯示神經網絡圖像處理工具的界面后,可以調整降噪、鏡頭優化的參數(去馬賽克為自動,無參數調節)。應用后即可生成新的高畫質“.CRN”RAW文件※1。 “.CRN”文件和傳統的RAW文件一樣,可在保持畫質的基礎上進一步調整照片風格、白平衡等設置※2 。進行參數調節后即可轉換為JPEG、TIFF等形式的通用圖像文件。

      支持機型:EOS R3、EOS R5、EOS R5 C、EOS R6、EOS R6 Mark II、EOS R7、EOS R8、EOS R10、EOS R50、EOS-1D X Mark III(截止至2023年8月。預計今后不斷增加支持機型)

      ※1 RAW短片及RAW連拍文件除外。
      ※2 神經網絡圖像處理工具生成的圖像在Digital Photo Professional中進行圖像轉換時,有以下限制。
      不能使用原有的數碼鏡頭優化、衍射、色像差、色暈、降噪的調整功能。不能切換畫質優先/速度優先。不能使用打開RAW圖像的默認尺寸、全像素雙核RAW優化。多重曝光合成工具僅可使用RAW合成。

      神經網絡圖像處理工具的系統要求
      OS:Windows 11、Windows 10(1903)以上
      CPU:Core i7以上
      RAM:16GB以上
      GPU:VRAM 4GB以上,支持DirectX12
      Digital Photo Professional Ver. 4.17.20以上版本

      ●神經網絡升級工具的操作流程

      神經網絡升級工具是單獨的應用程序。在電腦上安裝后,即可拖拽JPEG、TIFF圖像到工具中進行處理。不受機型限制,只要是滿足條件的JPEG、TIFF都可以。EOS的舊款單反相機及小型數碼相機所拍照片都可放大到4倍分辨率。用神經網絡圖像處理工具提升畫質的“.CRN”文件導出的JPEG、TIFF圖像,也可使用此工具進一步升級。

      圖像規格 符合Exif2.2、2.21、2.3標準的JPEG照片和符合Exif標準的TIFF照片
      (不能保證所有圖像兼容性??稍诠ぞ叩脑囉闷诖_認。)
      像素數 照片尺寸高度或寬度在400~9999像素范圍內,
      總像素數不超過6500萬像素

      神經網絡升級工具的系統要求
      OS:Windows 11、Windows 10 64bit
      CPU:Intel Core i系列 (推薦Intel Core i7以上)
      RAM:推薦16GB以上

      訂閱使用周期及價格

      神經網絡圖像處理工具與神經網絡升級工具均為付費軟件,用戶需訂閱后才能使用。佳能提供1個月、6個月、1年三種訂閱周期(訂閱價格詳見下表)。這兩款工具軟件在安裝完成后即可在軟件界面上進行訂閱。訂閱神經網絡圖像處理工具會同時附贈神經網絡升級工具,此外用戶也可單獨訂閱神經網絡升級工具。

      訂閱周期 神經網絡圖像處理工具
      (附帶神經網絡升級工具·)
      神經網絡升級工具
      1個月(31天) 36元 20元
      6個月(183天) 186元 45元
      1年(365天) 339元 65元
      所有新訂閱者均可額外獲得該軟件31天的免費試用期(每個賬號僅限一次)

      神經網絡圖像處理工具

      Neural network Image Processing Tool

      點擊下載

      神經網絡升級工具

      Neural network Upscaling Tool

      點擊下載

      佳能官方
      微信公眾號

      佳能官方
      微信視頻號

      佳能官方
      抖音號

      佳能官方
      bilibili號

      本網站包含一部分廣告/市場推廣等內容,敬請知悉。

      佳能(中國)有限公司版權所有,未經許可不得轉載。 公司電話:010-85139999
      99re岛国精品视频_欧美日韩在线观看播放一区_国产97色在线 | 日韩_久久婷婷五月综合色99啪

    1. <noscript id="xof0p"></noscript>

    2. <ruby id="xof0p"></ruby>
        <ruby id="xof0p"><table id="xof0p"><thead id="xof0p"></thead></table></ruby>