Pixelmator Pro的最新技能：图片放大三倍而不失真

实际中我们总会碰着这样的逆境，有些图片很精细但判别率很小，放大之后又变得很恍惚。此刻，有了Pixelmator Pro的最新技能，将图像放大到原始判别率的三倍还保持清楚完全没有题目。

Photoshop竞争敌手Pixelmator Pro本日公布了其售价为60美元的Pro版本，该版本具有称为ML超判别率的成果，可以将图像缩放至原始判别率的三倍，而不会呈现诸如像素化或恍惚等图像缺陷。

以下是Pixelmator的一些示例，左侧是放大的低判别率图像，右侧是颠末处理赏罚的ML超判别率图像：

事变道理：

为了建设ML超判别率成果，工程师们行使了卷积神经收集。这种范例的深度神经收集将光栅图像及其伟大的像素间依存相关简化为易于处理赏罚（即必要较少的计较）而又不会丢失重要特性（边沿、图案、颜色、纹理、渐变等）。ML超判别率收集包罗29个卷积层，这些卷积层扫描图像并为其建设一个100多个通道的版本，个中包括一系列已识此外成果。然后将其放大、处理赏罚，然后转换回光栅图像。下面是神经收集的简化暗示。

起首，输入图像通过高通滤波器举办根基边沿检测。然后，第一卷积层减小这些特性的巨细并归并数据。在“描写符融合”块中，扫描图像以找到个中的全部JPEG压缩块，并将其与到今朝为止确定的其他成果融合。

接下来的卷积层和残留块，它们检测图像中的特性（边沿，，图案，颜色，纹理，渐变等），并将它们构建为一个深度高出100通道的伟大暗示。在卷积神经收集中，更多的层意味着更好的精度，可是假如层数足够多，则险些无法实习收集。残留块旨在进步收集的伟大性和精确性，而又使其无法实习。

最后，在放大块中放大了由神经收集识此外全部特性。从此，两个残差块和最后的卷积层对数据举办后处理赏罚，然后将特性转换回图像。还必要留意的是，全部这些操纵都是在装备上产生的，而且整个受过实习的呆板进修模子都包括在Pixelmator Pro应用措施包中。

颠末我们的测试，总体而言，Pixelmator的超判别率成果的机能令人满足。从插图到照片再到笔墨，各类图像都可以使像素化滑腻。功效优于传统的进级算法所提供的功效，尽量该进程不是即时的（在我们的2017 MacBook Pro上每个图像耗费了约莫八秒钟的时刻），但它的速率足以使各行各业的计划师和图像编辑受益。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!