| inviato il 21 Aprile 2023 ore 21:21
Postato stamattina una discussione con un confronto su scatti della mia Om1.
Il denoise di lightroom lavora un pelo meglio di topaz denoise, ma un filo sotto a topaz ai e perde assolutamente contro dxo pureraw3. |
| inviato il 21 Aprile 2023 ore 21:36
“ Il denoise di lightroom lavora un pelo meglio di topaz denoise, ma un filo sotto a topaz ai e perde assolutamente contro dxo pureraw3. „
"Assolutamente" anche no ,è un filo sotto a livello di dettaglio ma poca roba .
Per chi adopera Lr è un gran bel passo avanti rispetto al denoise originale : non ti costringe ad uscire ed entrare dal programma per usare app esterne , inoltre il DNG che restituisce è perfettamente sovrapponibile all'originale e già "lavorato" con le regolazioni precedentemente applicate al raw .
Riguardo alla lentezza : ho notato anch'io una risposta più pigra nell'elaborazione rispetto ad altri software ma l'integrazione perfetta con l'ambiente di lavoro di Adobe ,a mio avviso , controbilancia il fatto di dover aspettare 10 secondi in più rispetto a DxO e compagnia cantante.
Il tutto rigorosamente IMHO , come di prassi. 
P.S.
Forse è già stato detto, ma è buona norma usarlo con moderazione, indicativamente tra il 20 ed il 50.
Valori più alti, almeno nel mio caso, hanno portato a risultati non soddisfacenti. |
| inviato il 21 Aprile 2023 ore 22:11
12.800iso a 1/4s... Zero riduzione rumore.... ho solo scalato il file a circa 20mpx...
|
| inviato il 21 Aprile 2023 ore 22:31
20 Megapixel, 7 secondi
Penso grazie alla ottima scheda video che ho, ma non sono esperto |
| inviato il 21 Aprile 2023 ore 22:59
Dalle immagini di karmal, topaz e dxo sono migliori sia nella riduzione rumore che nel rilasciare un file che non sembri artificiale. Quindi per avifauna hanno ancora molto da lavorare, magari in astrofoto potrebbe dire la sua ma alla fine fare uno stacking è la scelta migliore possibile. |
| inviato il 21 Aprile 2023 ore 23:00
“ Per i più tecnofili, qui spiegano come funziona e quali sono le "Best Practices" per usarlo
blog.adobe.com/en/publish/2023/04/18/denoise-demystified „
Grazie Catand, molto interessante l'articolo, anche se ovviamente molto "abbottonato". Alcune note interessanti:
- hanno usato un dataset di addestramento composto da milioni di esempi, che non vuole dire milioni di fotografie ma crop di immagini (quelle che riportano come esempio sono 256 x 256 pixel).
- usano data augmentation (e vorrei vedere il contrario): da un singolo esempio ne puoi tirare fuori molti altri con piccole alterazioni geometriche (rotazioni, traslazioni, etc) o fotografiche (variazioni di esposizione,colori, etc)
- fanno capire che usano anche dati sintetici. In effetti un esempio non serve a niente per il training AI, se non e' "annotato". In questo caso devi avere per ogni esempio la coppia foto rumorosa-foto ripulita. Credo che partano anche da foto senza o con poco rumore (target) e la sporchino con modelli realistici di rumore. Non sarebbe pensabile di annotare (ripulire) a mano milioni di foto per costituire il database di training.
- usano reti convolutive (CNN). Questo e' standard per immagini/video.
- il famigerato indice di denoising che si puo' settare tra 1 e 100 secondo me corrisponde a tanti modelli deep learning diversi, addestrati con dataset diversi (piu' o meno intensamente ripuliti dal rumore). Mi piacerebbe sapere cosa ne pensano altri forumisti che hanno familiarita' con il funzionamento di una NN
In generale sui modelli di deep learning alla base di algoritmi come questo: sono costituiti da due "stadi", il learning e l'inferenza. Il learning è molto più pesante dal punto di vista computazionale e non è pensabile di farlo localmente, neanche avendo delle 4090 o qualunque altra GPU da dilettante evoluto. Viene fatto su supercomputer ad hoc per l'AI e costa un sacco sia in termini di tempo che di corrente elettrica. In locale puoi fare l'inferenza, molto meno costosa, che ha tempi di esecuzione anche molto diversi a seconda dell'HW in dotazione e del SW associato. Non credo proprio che questo algoritmo possa essere "ritagliato" sulle foto di un utente specifico, proprio per il discorso del numero di esempi che servono, del preprocessing necessario e dell'annotazione. Che io sappia uno dei pochi software che fa l'addestramento sulle immagini dell'utente è Imagen AI, ma con finalità diverse. Infine, quando installiamo sul nostro PC il modello deep learning, non viene scaricato nessun database (di fotografie, intendo): si scaricano uno o, come credo, diversi modelli DL che altro non sono che insiemi molto grandi di parametri numerici che agiscono sulla fotografia su cui fare il denoising. |
| inviato il 21 Aprile 2023 ore 23:04
Tutto corretto.
Ho però idea che l'indice numerico sia tarato non tanto come hai supposto, quanto sul "ricreare" sempre maggior dettaglio, dal momento che al salire del numero pulisce, si, ma sempre più o meno allo stesso modo, mentre l'effetto più eclatante è piuttosto la ricreazione di una mole sempre maggiore di dettaglio (con conseguente maggior probabilità di artefatti, chiaramente.... Non può sempre azzeccarci). |
| inviato il 21 Aprile 2023 ore 23:28
“ Lo svantaggio principale che è trovato è nella lentezza - ho un Dell XPS 13 del 2022, in configurazione top di gamma, e ci mette dai 5 ai 20 minuti per ciascuna foto „
5-20 minuti?! ...... bruuuuu   |
| inviato il 21 Aprile 2023 ore 23:55
“ Juza per avere un paragone sui tempi potresti uploadare un raw per tutti, da elaborare con il solo denoise ai. „
infatti! ... anche per testare i tempi ... se no qui ognuno dà i suoi numeri che hanno poco senso se ricavati da foto diverse |
| inviato il 21 Aprile 2023 ore 23:57
“ 5-20 minuti?! ...... bruuuuu „
Nel mio caso un file da 24 megapizze impiega mediamente dal minuto al minuto e venti, e non possiedo di certo un pc stratosferico (sono in fascia "marrone"  , Ryzen 3600 + 1060 6 giga).
Con macchine più fresche i tempi , ovviamente , si accorciano drasticamente . |
| inviato il 22 Aprile 2023 ore 0:19
Mac Studio M1 Max base ci impiega circa 15 secondi, a volte anche meno.
Ho fatto diverse prove, tralasciando l'ambito paesaggistico ho trovato la media di 30 per avere un valore giusto che non restituisca un immagine troppo finta.
Va usato con discrezione, solo alcune foto ad alti iso davvero troppo rumorose.
In ambito matrimoniale ho preso alcune foto che avevo scattato a 25600 iso, in cui gli abiti erano scuri e sottoesposti.
Aumentando l'esposizione per dare un pò di luce agli abiti veniva fuori davvero troppo rumore per rendere quella foto utilizzabile. con il la riduzione Ai sono riuscito a rendere questo genere di immagini perfettamente utilizzabili, quindi è davvero una manna dal cielo in alcune situazioni! |
| inviato il 22 Aprile 2023 ore 0:44
Non usate pure raw che fa un processo automatico, ma dxo photolab che oltre al prime, ha anche i moduli nitidezza e oltretutto potete regolare tutti i parametri, secondo me non c'è partita, photolab vince a mani basse |
| inviato il 22 Aprile 2023 ore 2:14
sul mio pc con 16gb di ram...i5 8°gen e normalissima sk video intel integrata siamo sui 12/15 minuti.....ma credo sia totalmente normale....ad ogni modo qualsiasi portatile anche recente non impieghera' mai pochi secondi come i pc fissi con sk video dedicate..... |
| inviato il 22 Aprile 2023 ore 5:58
“ Lo svantaggio principale che è trovato è nella lentezza - ho un Dell XPS 13 del 2022, in configurazione top di gamma, e ci mette dai 5 ai 20 minuti per ciascuna foto Eeeek!!! „
MacBook M1 16 Pro 16 ram, al 33% ci mette circa 7/8 secondi
un notevole miglioramento, sopratutto nel tempo perche ti evita di star li a spostare slide per cercare il risultato migliore, imposti la percentuale e aspetti qualche secondo, fantastico, confermo che non bisogna superare il 30%, qui la Nikon Df a 12.800 crop al 200, anche se la miglior riduzione rumore per me resta prima di tutto togliere la nitidezza, perche quella crea un sacco di schifezze
|
|
Metti la tua pubblicità su JuzaPhoto (info) |
JuzaPhoto contiene link affiliati Amazon ed Ebay e riceve una commissione in caso di acquisto attraverso link affiliati.
