软件巨头Adobe宣布为Photoshop推出一套全新AI驱动工具,帮助用户更轻松地将创意想法转化为精美视觉效果。Photoshop用户可以使用这些新工具制作并混合不同图像,创造出令人信服的视觉作品。
公司还宣布将消除繁琐的Photoshop任务,如边缘清理、光照调整以及修饰无数细节等,这些工作对于制作逼真图像至关重要。
Adobe通过在桌面、移动端和网页版Photoshop上的最新创新来解决这些痛点。新功能可以消除繁琐的编辑步骤,使精确编辑变得更快更容易,减少创作者在枯燥重复性工作上的时间,释放更多精力专注于创意构思。
这些新工具来源于Adobe与客户的对话交流。公司希望了解如何改进这款全球最受欢迎的图像编辑器,消除使用障碍,为用户提供更直观、智能和有趣的体验。
无论是设计师制作营销活动素材、摄影师精修细节,还是内容创作者在移动中制作社交媒体资源,Adobe表示这些新Photoshop工具都专门为这类用户而设计。
全新Harmonize功能是首个新特性,曾在2024年10月Adobe MAX大会上以Project Perfect Blend项目形式首次亮相。Harmonize通过几次点击即可将元素融合到组合中,提升真实感。该功能基于Adobe的Firefly图像模型,将在桌面版、网页版Photoshop以及iOS移动端早期访问版本中提供。
Adobe表示,Harmonize能够智能分析新对象及其周围环境,自动调整颜色、光照、阴影和视觉色调,创造无缝连贯的合成效果。该功能还能显著减少耗时的手动调整需求,适用于设计师创作超现实合成作品、营销人员构建动态活动视觉或数字艺术家实验奇幻场景。
Photoshop还新增了生成式放大功能,目前在桌面版和网页版处于测试阶段。生成式放大可创建高达800万像素的高质量分辨率增强,且不会牺牲图像清晰度。Adobe表示摄影师将发现该功能对精修编辑很有用,而社交媒体创作者可用它为各种平台调整素材。Adobe称生成式放大是Photoshop社区最迫切需要的更新之一,能以最少努力提供更清晰、更详细的结果。
Photoshop还将配备基于最新Adobe Firefly图像模型的改进移除工具。该工具在桌面版和网页版Photoshop中可用,能够以更高精度和质量清理图像。
无论是清除杂乱的电线、整理人像背景还是修饰产品照片,该工具都能移除不需要的元素,并生成质量和准确性都有所改善的真实填充内容。编辑效果能更自然地融入背景,减少瑕疵,呈现更清洁专业的外观。
Adobe还为桌面版Photoshop测试版引入了项目功能。这是一种管理和组织创意工作的新方式,将资产汇集在共享的有序空间中。项目功能可以消除文件分散在本地驱动器、协作缓慢分散或需要手动来回发送单个资产等痛点。
通过项目功能,用户可以一次性分享整个集合,减少版本控制问题,在处理活动或构建情绪板时保持创意流程顺畅。Adobe表示项目功能将保持工作流程精简,确保所有内容都集中在一个地方。
Adobe还推出了新功能,让用户可以在两个不同的Firefly图像模型之间选择:Firefly图像1和Firefly图像3。这一被称为生成式AI模型选择器的功能在桌面版Photoshop使用生成填充和生成扩展工具时可用。
Adobe表示每个Firefly模型都有其独特的优势和风格,为艺术家、插画师和社交创作者在实验和定制输出以适应独特风格和创意愿景时提供更多灵活性和选择。所有新Photoshop工具都将在桌面版、网页版和移动版等所有版本中提供。这意味着用户无论是在工作室桌前工作、在平板上勾画创意还是在手机上进行快速编辑,都能随时随地实现创意愿景。
用户现在就可以在桌面版和网页版Photoshop测试版或最新版本的iOS移动端Photoshop中探索这些最新AI工具。
好文章,需要你的鼓励
CPU架构讨论常聚焦于不同指令集的竞争,但实际上在单一系统中使用多种CPU架构已成常态。x86、Arm和RISC-V各有优劣,AI技术的兴起更推动了对性能功耗比的极致需求。当前x86仍主导PC和服务器市场,Arm凭借庞大生态系统在移动和嵌入式领域领先,RISC-V作为开源架构展现巨大潜力。未来芯片设计将更多采用异构计算,多种架构协同工作成为趋势。
KAIST AI团队通过深入分析视频生成AI的内部机制,发现了负责交互理解的关键层,并开发出MATRIX框架来专门优化这些层。该技术通过语义定位对齐和语义传播对齐两个组件,显著提升了AI对"谁对谁做了什么"的理解能力,在交互准确性上提升约30%,为AI视频生成的实用化应用奠定了重要基础。
Vast Data与云计算公司CoreWeave签署了价值11.7亿美元的多年期软件许可协议,这标志着AI基础设施存储市场的重要转折点。该协议涵盖Vast Data的通用存储层及高级数据平台服务,将帮助CoreWeave提供更全面的AI服务。业内专家认为,随着AI集群规模不断扩大,存储系统在AI基础设施中的占比可能从目前的1.9%提升至3-5%,未来五年全球AI存储市场规模将达到900亿至2000亿美元。
乔治亚理工学院和微软研究团队提出了NorMuon优化器,通过结合Muon的正交化技术与神经元级自适应学习率,在1.1B参数模型上实现了21.74%的训练效率提升。该方法同时保持了Muon的内存优势,相比Adam节省约50%内存使用量,并开发了高效的FSDP2分布式实现,为大规模AI模型训练提供了实用的优化方案。