PS 2020更新特點：支持神經網絡濾鏡，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可以實現太多好玩的東西了?，F在PS 2020 22.0版升級了，官方支持了神經網絡濾鏡，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“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網絡濾鏡（Neural Filters），它就充分利用了當前熱門的AI技術，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，或者就是改變人像的表情、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，只不過現在的一鍵美化用的是現成的模板，而未來的一鍵美圖基于神經網絡，云端替你計算好效果了。
責編AJX
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯系本站處理。
舉報投訴
-
神經網絡
+關注
關注
42文章
4773瀏覽量
100861 -
AI
+關注
關注
87文章
31028瀏覽量
269365 -
Photoshop軟件
+關注
關注
0文章
22瀏覽量
3256
發(fā)布評論請先 登錄
相關推薦
卷積神經網絡與傳統(tǒng)神經網絡的比較
神經網絡，也稱為全連接神經網絡（Fully Connected Neural Networks，FCNs），其特點是每一層的每個神經元都與下
卷積神經網絡的基本概念、原理及特點
的基本概念、原理、特點以及在不同領域的應用情況。 一、卷積神經網絡的基本概念 卷積神經網絡是一種深度學習算法，它由多層卷積層和池化層堆疊而成
神經網絡辨識模型具有什么特點
神經網絡辨識模型是一種基于人工神經網絡的系統(tǒng)辨識方法，它具有以下特點： 非線性映射能力 ：神經網絡能夠處理非線性問題，可以很好地擬合復雜的非
BP神經網絡和卷積神經網絡的關系
廣泛應用的神經網絡模型。它們各自具有獨特的特點和優(yōu)勢，并在不同的應用場景中發(fā)揮著重要作用。以下是對BP神經網絡和卷積神經網絡關系的詳細探討，內容將涵蓋兩者的定義、原理、區(qū)別、聯系以及應
BP神經網絡和人工神經網絡的區(qū)別
BP神經網絡和人工神經網絡（Artificial Neural Networks，簡稱ANNs）之間的關系與區(qū)別，是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及
機器人神經網絡系統(tǒng)的特點包括
機器人神經網絡系統(tǒng)是一種模擬人類大腦神經網絡的計算模型，具有高度的復雜性和靈活性。在本文中，我們將詳細介紹機器人神經網絡系統(tǒng)的特點，包括其結
rnn是遞歸神經網絡還是循環(huán)神經網絡
RNN（Recurrent Neural Network）是循環(huán)神經網絡，而非遞歸神經網絡。循環(huán)神經網絡是一種具有時間序列特性的神經網絡，能
遞歸神經網絡與循環(huán)神經網絡一樣嗎
時具有各自的優(yōu)勢和特點。本文將介紹遞歸神經網絡和循環(huán)神經網絡的概念、結構、工作原理、優(yōu)缺點以及應用場景。 遞歸神經網絡（Recursive Neural Network，RvNN） 1
人工神經網絡的特點和優(yōu)越性不包括什么
在許多領域都取得了顯著的成果，如圖像識別、語音識別、自然語言處理等。然而，人工神經網絡也存在一些局限性和不足之處，以下是對人工神經網絡特點和優(yōu)越性的分析，以及其不包括的
遞歸神經網絡是循環(huán)神經網絡嗎
遞歸神經網絡（Recurrent Neural Network，簡稱RNN）和循環(huán)神經網絡（Recurrent Neural Network，簡稱RNN）實際上是同一個概念，只是不同的翻譯方式
循環(huán)神經網絡算法原理及特點
）相比，RNN在處理序列數據時具有明顯的優(yōu)勢。本文將介紹循環(huán)神經網絡的原理、特點及應用。 1. 循環(huán)神經網絡的原理 1.1 基本概念 循環(huán)神經網絡是
循環(huán)神經網絡和卷積神經網絡的區(qū)別
結構。它們在處理不同類型的數據和解決不同問題時具有各自的優(yōu)勢和特點。本文將從多個方面比較循環(huán)神經網絡和卷積神經網絡的區(qū)別。 基本概念 循環(huán)神經網絡是
生成式AI與神經網絡模型的區(qū)別和聯系
生成式AI與神經網絡模型是現代人工智能領域的兩個核心概念，它們在推動技術進步和應用拓展方面發(fā)揮著至關重要的作用。本文將詳細探討生成式AI與神經網絡模型的定義、
卷積神經網絡和bp神經網絡的區(qū)別
不同的神經網絡模型，它們在結構、原理、應用等方面都存在一定的差異。本文將從多個方面對這兩種神經網絡進行詳細的比較和分析。 引言 神經網絡是一
反向傳播神經網絡模型的特點
反向傳播神經網絡（Backpropagation Neural Network，簡稱BP神經網絡）是一種多層前饋神經網絡，它通過反向傳播算法來訓練網
工商網監(jiān)
評論