Ресайз что это за программа

Как получать максимум трафика от каждой статьи

Вот вы написали статью, анонсировали в своих соцсетях. Собрали, скажем, 1000 просмотров. Все, статья отработала, осталось ждать эффект от SEO? Многие компании на этом и останавливаются. Но вы-то хотите большего, да?

На самом деле все только начинается. В этой статье я на примерах расскажу, как можно использовать уже созданный контент, чтобы увеличить охват без больших трудозатрат.

Делайте ресайзы

Ресайз — это когда вы берете уже написанную статью и переделываете ее в другой формат:

• Пост для соцсетей

• Нарратив для Яндекс. Дзена

• Письмо для рассылки

• Сториз в Инстаграме и так далее

То же самое делаем для соцсетей, Телеграма, рассылки. Выпишите пару советов из статьи, объясните их в паре абзацев — и вот вам новый пост для Фейсбука. Не надо искать информацию, опрашивать экспертов, придумывать инфоповод — просто возьмите уже готовый контент и выкиньте из него 90%.

Как делать ресайзы креативов

Вот пример ресайза для Чип Тревела. Сначала мы написали статью «Какую одежду брать в отпуск девушке». Затем, спустя некоторое время, сжали статью до короткого поста на Фейсбуке:

Делать ресайзы гораздо дешевле, проще и быстрее, чем писать пост с нуля. А эффект такой же. Заодно можно дать ссылку на исходную статью и получить дополнительный трафик. Вот такие небольшие карточки-саммари мы добавляем в email-рассылку:

Или вот пример с Яндекс.Дзеном. Сначала я опубликовал просто статью — получил какой-то трафик. Потом взял основные тезисы и сделал из них нарратив. Получил еще трафик, потратив не больше 10 минут.

Поменяйте формат контента

Можно пойти еще дальше ресайзов и выпустить тот же материал в другом формате. Было выступление на конференции — стала статья. Была статья — стал подкаст. Был подкаст — стало видео. Было видео — стал вебинар.

Понятна идея?

У разных форматов есть свои поклонники и свои преимущества. Кому-то удобнее смотреть видео, кто-то слушает подкасты, пока едет в машине. Кто-то не любит бубнеж над ухом и лучше почитает. А кто-то хочет послушать спикера вживую, он пойдет на вебинар.

Тестируйте разные форматы, переводите один в другой. Если какая-то статья понравилась аудитории, это повод сделать из нее видео и выложить на Ютубе. Материал хороший, тема удачная — скорее всего, люди оценят.

Соберите много маленьких материалов в один большой

Этот способ хорош для тех, кто создает контент уже давно и у кого накопилось много материалов на одну тему.

Вы можете взять все эти материалы, немного переработать и получить мегаматериал.

Серия постов в соцсетях → лонгрид в СМИ.
Несколько статей и писем из рассылки → книга.

Так делал Максим Ильяхов: выпустил сотни статей и несколько курсов про редактуру, а потом на основе этой информации написал «Пиши, сокращай».

Книга — это тоже контент-маркетинг, вы ведь в курсе? Хоть и более масштабный и сложный, чем статьи в блог писать. Книгу продвигает издательство, о вас узнает много новых людей. Или ее можно не издавать, а использовать как лид-магнит: дарить за подписку на рассылку.

Почитайте также: 205 готовых тем, которые подойдут для любого блога.

Напоминайте о старых статьях

Если вы ведете блог давно, у вас наверняка накопилось много хороших старых статей. Тех, которые когда-то много лайкали и комментировали, а сейчас уже подзабыли. Их время еще не прошло.

Анонсируйте эти статьи в соцсетях по второму разу. У вас появились новые подписчики, которым эта информация будет полезна. Фактически вы получите трафик, вообще не создавая новый контент.

Только не переусердствуйте. Не надо забивать статьями из архива весь контент-план. Подписчики будут не рады, если перестанут выходить новые публикации. Но напомнить о крутых материалах несколько раз в месяц — самое оно.

Дорабатывайте старые статьи

Этот пункт вытекает из предыдущего. Старым статьям можно дать вторую жизнь: дополнить их, актуализировать, оформить получше, поработать над ключевыми словами. Можно даже поменять дату публикации — второе издание нашей старой статьи.

Например, так иногда делает Текстерра. Они берут популярные материалы из прошлого, дополняют их и выпускают по второму кругу, получая новый трафик. Эта статья изначально вышла в июне 2017 года. А через 1,5 года в нее дописали про новые функции Гуглдоков, поменяли дату публикации и еще раз проанонсили по своим каналам.

Кстати, статью писал я. Зацените количество репостов =)

Понятно, что у вас вряд ли найдется время бесконечно переписывать весь контент в блоге. Но актуализируйте хотя бы самые удачные и приносящие трафик статьи.

Делайте подборки

Совет про подборки довольно банальный, но на всякий случай напишу. Сделать подборку из уже написанных статей — 10−20 минут. А сработает она как полноценная статья, на которую вы тратите несколько дней. Может, даже лучше.

А еще люди очень любят репостить подборки. Кто-то сохраняет себе на стену, чтобы не забыть, кто-то делится с коллегами, кто-то хочет показать, какой он умный и как много читает. Для вас же польза очевидна. Больше репостов → больше охват → больше трафика.

Первое время делать подборки будет не из чего, но когда у вас наберется хороший пул статей, стоит иногда этим заниматься.

Подборки можно оформлять как отдельные статьи или посты в соцсетях. А можно запустить ежемесячную рассылку со списком лучших материалов, как делает «Билайн» Бизнес:

Промоутируйте статьи

Кидать анонс новой статьи в свои паблики в соцсетях — это очевидно, так делают все. Если вы вдруг не делаете, срочно начните.

Но ведь в соцсетях есть много других мест. В Фейсбуках-Телеграмах есть сотни профильных сообществ, куда можно кинуть ссылку на вашу статью. Найдите их, добавьтесь и иногда присылайте свои анонсы. Только не слишком часто. И лучше общайтесь в сообществе, а не просто спамьте своими постами.

Иначе администрация может на вас обидеться и забанить.

Когда я был редактором на одном проекте, мы выпустили статью про GDPR. Чтобы ее увидело больше людей, кинули ссылки в разные сообщества про бизнес. За день статья набрала почти 3000 просмотров.

Мы для себя собрали большой список пабликов про маркетинг, контент и бизнес и кидаем новые статьи туда. Какие-то публикации дают 5 просмотров, какие-то — 100. Но в сумме получается неплохой рост бесплатного трафика. А еще есть email-рассылки с дайджестами статей и пуш-уведомления. Если вы еще не подключили эти штуки к своему блогу, срочно подключите.

Сюда же относится Яндекс.Дзен. Это отличный источник бесплатного трафика для блога. Если вы делаете массовый продукт (банк, путешествия, ремонт квартир), Дзен даст тысячи и десятки тысяч просмотров на статью. Если что-то менее распространенное, типа контент-маркетинга, то можно рассчитывать на сотни просмотров.

Дзен не наказывает за дублирование контента из других источников. Сюда можно принести статью, пост из соцсети, письмо из рассылки — и опубликовать без изменений. Никаких санкций вы не получите. Главное, чтобы пост был ваш, а не чужой. Но ссылку на первоисточник желательно ставить.

Я кидаю в Дзен весь наш контент. Каждая публикация получает дополнительные 100−1000 просмотров. Некоторые выстреливают и набирают несколько тысяч. Это бесплатный трафик, на который не нужно тратить время и силы.

Упоминайте свои статьи в обсуждениях

В соцсетях и чатах люди постоянно задают вопросы. Вы можете приходить в эти обсуждения и кидать ссылки на статьи, которые отвечают на вопрос.

— Всем привет. Вот тут новый закон выходит, я не очень понимаю, что теперь делать. Знающие люди, подскажите.
— Привет. Я вчера как раз написал статью об этом — вот, почитай.
— О, как круто, спасибо!

При этом статью пойдет читать не только топикстартер, но и вообще все интересующиеся, кто увидит ваш ответ.

Необязательно специально выискивать вопросы (хотя можно и так). Но если вы где-то увидели возможность поделиться своим контентом, не ленитесь ей воспользоваться.

Это работает не только в соцсетях, но и в комментариях блогов и СМИ. Вот ребята пришли в обсуждения под моей статьей и поделились ссылками на свою. И это выглядит как полезное дополнение к материалу, а не как навязчивая реклама или впаривание. Поэтому сообщество на такое обычно реагирует нормально.

Комментарий к статье про управленческий учет в Гугл-таблицах

Опубликуйте статью в СМИ

Необязательно тащить все статьи в свой блог, как пухлощекий хомячок. Конечно, своя площадка — это основа, но иногда полезно размещаться и на чужих сайтах: в СМИ и тематических блогах.

Во-первых, их читают люди, которые про вас еще не слышали. То есть такой публикацией вы привлечете новую аудиторию. Во-вторых, эти площадки сами вкладывают силы в продвижение контента — публикуют его в соцсетях, рассылают по email и так далее.

Получается, что статья размещена не у вас, зато и трафиком для нее будете заниматься не вы. Это удобно. Я советую хотя бы раз в месяц-два писать статью и публиковать ее в СМИ.

Наш кейс по выбору редактора в команду на WebPromoExperts

Можно пойти еще дальше и создать на внешней площадке свой основной блог. IT-компании заводят блог на Хабре или Медиуме, а стартапы часто ведут колонки на Спарке. Это тоже хороший подход, почему нет.

Кстати, мы написали большой гайд по публикациям в СМИ, почитайте. Там же есть список сайтов, где можно опубликоваться бесплатно.

Источник: sdelaem.agency

Ликбез: методы ресайза изображений

Почему изображение, масштабированное с бикубической интерполяцией, выглядит не как в Фотошопе. Почему одна программа ресайзит быстро, а другая — нет, хотя результат одинаковый. Какой метод ресайза лучше для увеличения, а какой для уменьшения. Что делают фильтры и чем они отличаются.

Вообще, это было вступлением к другой статье, но оно затянулось и вылилось в отдельный материал.

Этот человек сидит среди ромашек, чтобы привлечь ваше внимание к статье.

Для наглядного сравнения я буду использовать изображения одинакового разрешения 1920×1280 (одно, второе), которые буду приводить к размерам 330×220, 1067×667 и 4800×3200. Под иллюстрациями будет написано, сколько миллисекунд занял ресайз в то или иное разрешение. Цифры приведены лишь для понимания сложности алгоритма, поэтому конкретное железо или ПО, на котором они получены, не так важно.

Ближайший сосед (Nearest neighbor)

Это самый примитивный и быстрый метод. Для каждого пикселя конечного изображения выбирается один пиксель исходного, наиболее близкий к его положению с учетом масштабирования. Такой метод дает пикселизированное изображение при увеличении и сильно зернистое изображение при уменьшении.

Вообще, качество и производительность любого метода уменьшения можно оценить по отношению количества пикселей, участвовавших в формировании конечного изображения, к числу пикселей в исходном изображении. Чем больше это отношение, тем скорее всего алгоритм качественнее и медленнее.

Отношение, равное одному, означает что как минимум каждый пиксель исходного изображения сделал свой вклад в конечное. Но для продвинутых методов оно может быть и больше одного. Дак вот, если например мы уменьшаем изображение методом ближайшего соседа в 3 раза по каждой стороне, то это соотношение равно 1/9. Т.е. большая часть исходных пикселей никак не учитывается.

1920×1280 → 330×220 = 0,12 ms
1920×1280 → 1067×667 = 1,86 ms
1920×1280 → 4800×3200 = 22,5 ms

Теоретическая скорость работы зависит только от размеров конечного изображения. На практике при уменьшении свой вклад вносят промахи кеша процессора: чем меньше масштаб, тем меньше данных используется из каждой загруженной в кеш линейки.

Метод осознанно применяется для уменьшения крайне редко, т.к. дает очень плохое качество, хотя и может быть полезен при увеличении. Из-за скорости и простоты реализации он есть во всех библиотеках и приложениях, работающих с графикой.

Аффинные преобразования (Affine transformations)

Аффинные преобразования — общий метод для искажения изображений. Они позволяют за одну операцию повернуть, растянуть и отразить изображение. Поэтому во многих приложениях и библиотеках, реализующих метод аффинных преобразований, функция изменения изображений является просто оберткой, рассчитывающей коэффициенты для преобразования.

Принцип действия заключается в том, что для каждой точки конечного изображения берется фиксированный набор точек исходного и интерполируется в соответствии с их взаимным положением и выбранным фильтром. Количество точек тоже зависит от фильтра. Для билинейной интерполяции берется 2×2 исходных пикселя, для бикубической 4×4.

Такой метод дает гладкое изображение при увеличении, но при уменьшении результат очень похож на ближайшего соседа. Смотрите сами: теоретически, при бикубическом фильтре и уменьшении в 3 раза отношение обработанных пикселей к исходным равно 4² / 3² = 1,78.

На практике результат значительно хуже т.к. в существующих реализациях окно фильтра и функция интерполяции не масштабируются в соответствии с масштабом изображения, и пиксели ближе к краю окна берутся с отрицательными коэффициентами (в соответствии с функцией), т.е. не вносят полезный вклад в конечное изображение. В результате изображение, уменьшенное с бикубическим фильтром, отличается от изображения, уменьшенного с билинейным, только тем, что оно еще более четкое. Ну а для билинейного фильтра и уменьшения в три раза отношение обработанных пикселей к исходным равно 2² / 3² = 0.44, что принципиально не отличается от ближайшего соседа. Фактически, аффинные преобразования нельзя использовать для уменьшения более чем в 2 раза. И даже при уменьшении до двух раз они дают заметные эффекты лесенки для линий.

Теоретически, должны быть реализации именно аффинных преобразований, масштабирующие окно фильтра и сам фильтр в соответствии с заданными искажениями, но в популярных библиотеках с открытым исходным кодом я таких не встречал.

1920×1280 → 330×220 = 6.13 ms
1920×1280 → 1067×667 = 17.7 ms
1920×1280 → 4800×3200 = 869 ms

Время работы заметно больше, чем у ближайшего соседа, и зависит от размера конечного изображения и размера окна выбранного фильтра. От промахов кеша уже практически не зависит, т.к. исходные пиксели используются как минимум по двое.

Мое скромное мнение, что использование этого способа для произвольного уменьшения изображений попросту является багом, потому что результат получается очень плохой и похож на ближайшего соседа, а ресурсов на этот метод нужно значительно больше. Тем не менее, этот метод нашел широкое применение в программах и библиотеках. Самое удивительное, что этот способ используется во всех браузерах для метода канвы drawImage() (наглядный пример), хотя для простого отображения картинок в элементе используются более аккуратные методы (кроме IE, в нем для обоих случаев используются аффинные преобразования). Помимо этого, такой метод используется в OpenCV, текущей версии питоновской библиотеки Pillow (об этом я надеюсь написать отдельно), в Paint.NET.

Кроме того, именно этот метод используется видеокартами для отрисовки трехмерных сцен. Но разница в том, что видеокарты для каждой текстуры заранее подготавливают набор уменьшенных версий (mip-уровней), и для окончательной отрисовки выбирается уровень с таким разрешением, чтобы уменьшение текстуры было не более двух раз. Кроме этого, для устранения резкого скачка при смене mip-уровня (когда текстурированный объект приближается или отдаляется), используется линейная интерполяция между соседними mip-уровнями (это уже трилинейная фильтрация). Таким образом для отрисовки каждого пикселя трехмерного объекта нужно интерполировать между 2³ пикселями. Это дает приемлемый для быстро движущейся картинки результат за время, линейное относительно конечного разрешения.

Суперсемплинг (Supersampling)

С помощью этого метода создаются те самые mip-уровни, с помощью него (если сильно упростить) работает полноэкранное сглаживание в играх. Его суть в разбиении исходного изображения по сетке пикселей конечного и складывании всех исходных пикселей, приходящихся на каждый пиксель конечного в соответствии с площадью, попавшей под конечный пиксель. При использовании этого метода для увеличения, на каждый пиксель конечного изображения приходится ровно один пиксель исходного. Поэтому результат для увеличения равен ближайшему соседу.

Можно выделить два подвида этого метода: с округлением границ пикселей до ближайшего целого числа пикселей и без. В первом случае алгоритм становится малопригодным для масштабирования меньше чем в 3 раза, потому что на какой-нибудь один конечный пиксель может приходиться один исходный, а на соседний — четыре (2×2), что приводит к диспропорции на локальном уровне. В то же время алгоритм с округлением очевидно можно использовать в случаях, когда размер исходного изображения кратен размеру конечного, или масштаб уменьшения достаточно мал (версии разрешением 330×220 почти не отличаются). Отношение обработанных пикселей к исходным при округлении границ всегда равно единице.

1920×1280 → 330×220 = 7 ms
1920×1280 → 1067×667 = 15 ms
1920×1280 → 4800×3200 = 22,5 ms

Подвид без округления дает отличное качество при уменьшении на любом масштабе, а при увеличении дает странный эффект, когда большая часть исходного пикселя на конечном изображении выглядит однородной, но на краях видно переход. Отношение обработанных пикселей к исходным без округления границ может быть от единицы до четырех, потому что каждый исходный пиксель вносит вклад либо в один конечный, либо в два соседних, либо в четыре соседних пикселя.

1920×1280 → 330×220 = 19 ms
1920×1280 → 1067×667 = 45 ms
1920×1280 → 4800×3200 = 112 ms

Производительность этого метода для уменьшения ниже, чем у аффинных преобразований, потому что в расчете конечного изображения участвуют все пиксели исходного. Версия с округлением до ближайших границ обычно быстрее в несколько раз. Также возможно создать отдельные версии для масштабирования в фиксированное количество раз (например, уменьшение в 2 раза), которые будут еще быстрее.

Данный метод используется в функции gdImageCopyResampled() библиотеки GD, входящей в состав PHP, есть в OpenCV (флаг INTER_AREA), Intel IPP, AMD Framewave. Примерно по такому же принципу работает libjpeg, когда открывает изображения в уменьшенном в несколько раз виде. Последнее позволяет многим приложениям открывать изображения JPEG заранее уменьшенными в несколько раз без особых накладных расходов (на практике libjpeg открывает уменьшенные изображения даже немного быстрее полноразмерных), а затем применять другие методы для ресайза до точных размеров. Например, если нужно отресайзить JPEG разрешением 1920×1280 в разрешение 330×220, можно открыть оригинальное изображение в разрешении 480×320, а затем уменьшить его до нужных 330×220.

Свертки (Convolution)

Этот метод похож на аффинные преобразования тем, что используются фильтры, но имеет не фиксированное окно, а окно, пропорциональное масштабу. Например, если размер окна фильтра равен 6, а размер изображения уменьшается в 2,5 раза, то в формировании каждого пикселя конечного изображения принимает участие (2,5 * 6)² = 225 пикселей, что гораздо больше, чем в случае суперсемплинга (от 9 до 16).

К счастью, свертки можно считать в 2 прохода, сначала в одну сторону, потом в другую, поэтому алгоритмическая сложность расчета каждого пикселя равна не 225, а всего (2,5 * 6) * 2 = 30. Вклад каждого исходного пикселя в конечный как раз определяется фильтром. Отношение обработанных пикселей к исходным целиком определяется размером окна фильтра и равно его квадрату. Т.е. для билинейного фильтра это отношение будет 4, для бикубического 16, для Ланцоша 36. Алгоритм прекрасно работает как для уменьшения, так и для увеличения.

1920×1280 → 330×220 = 76 ms
1920×1280 → 1067×667 = 160 ms
1920×1280 → 4800×3200 = 1540 ms

Скорость работы этого метода зависит от всех параметров: размеров исходного изображения, размера конечного изображения, размера окна фильтра.

Именно этот метод реализован в ImageMagick, GIMP, в текущей версии Pillow с флагом ANTIALIAS.

Одно из преимуществ этого метода в том, что фильтры могут задаваться отдельной функцией, никак не привязанной к реализации метода. При этом функция самого фильтра может быть достаточно сложной без особой потери производительности, потому что коэффициенты для всех пикселей в одном столбце и для всех пикселей в одной строке считаются только один раз. Т.е. сама функция фильтра вызывается только (m + n) * w раз, где m и n — размеры конечного изображения, а w — размер окна фильтра. И наклепать этих функций можно множество, было бы математическое обоснование. В ImageMagick, например, их 15. Вот как выглядят самые популярные:

Билинейный фильтр ( bilinear или triangle в ImageMagick)

Бикубический фильтр ( bicubic , catrom в ImageMagick)

Фильтр Ланцоша ( Lanczos )

Примечательно, что некоторые фильтры имеют зоны отрицательных коэффициентов (как например бикубический фильтр или фильтр Ланцоша). Это нужно для придания переходам на конечном изображении резкости, которая была на исходном.

• Алгоритмы
• Обработка изображений

Источник: habr.com

Ресайз обложки для соцсетей

Хорошей статье нужна обложка, с ней она будет выгодней смотреться в соцсетях, и это поможет привлечь трафик. Но из-за того, что ссылки в разных соцсетях смотрятся по-разному, то и обложка будет выглядеть по-разному. Поэтому нам нужен ресайз обложки!

В чём проблема с обложками

Когда я работал в Эсэмемпланере (SMMplanner), то обратил внимание на то, что обложки статьи из блога в Фейсбуке и во ВКонтакте выглядят по-разному. В Фейсбуке это более широкий прямоугольник, чем во ВКонтакте. Из-за этого теряется часть информации. Если обложка абстрактная — ничего страшного, так как у абстракции нет той информационной значимости, которую нельзя терять. Но если текстовая — будут небольшие проблемы.

Вот так выглядят текстовые обложки.

А если взять более абстрактные обложки, например, из блога SMMplanner. Обложка обрезается, но из-за абстрактной обложки это выглядит нормальным. Хотя мой глаз «режется» и хочется больше воздуха снизу.

Перебирая разные обложки, становится очевидным, что чем больше важных деталей находится у сторон прямоугольной иллюстрации или в углах, тем выше шанс потерять их. Делаем вывод — размещайте информацию обложки в визуальном центре горизонтальной прямоугольной обложки.

Ресайз обложки для соцсетей не в ресайзе, а в изменении композиции

Ресайз — это изменение размера или формата обложки, скажем мы рисовали горизонтальный прямоугольник для ВКонтакте, а потом сделали такую же симпатичную обложку для Историй. Для этого нужно сделать мультиобложку.

Но для того, чтобы прямоугольная обложка хорошо смотрелась во ВКонтакте, в Фейсбуке и в других соцсетях — нам нужно изменить композицию на полотне. Для себя я собрал универсальную обложку в фотошопе.

• Полотно 1143×595 px — этот прямоугольник подходит для Фейсбука, ВКонтакте, Телеграма, Твитера.
• Поля сверху на 26 пикселей и снизу от 536 и ниже.
• Всё важно разместить по центру или собрать свою композицию.

Если сделать такую обложку с рамками, и разместить всё важное по центру, обложки в соцсетях продолжатся обрезаться, но мы прекратим терять всё важное!

Чтобы сделать хорошую обложку, нам нужно:

1. Взять и проверить свои обложки во всех ключевых соцсетях.
2. Подумать, как мы хотели их видеть на самом деле.
3. Сделать свои стандарты для обложки и композиции, в моём случае это полотно 1143×595 px с полями внизу и вверху.
4. Нарисовать обложку, сохранить 1 иллюстрацию и проверить.

Хочу отметить, что я сделал «втупую». Возможно есть более изящное решение через опенграф или настройки блога. Например, в Вордпресовском плагине для SEO Yoast — есть кнопка для обложек в Фейсбук и отдельно для Твитера, уверен, можно доработать и для остальных соцсетей.

Источник: ilyaslusarev.ru

ON1 представили приложение и плагин Resize AI для интеллектуального кадрирования

Компания ON1 анонсировала свой новый плагин и программное обеспечение – ON1 Resize AI. Это новое приложение, которое использует возможности искусственного интеллекта для возврата или добавления четкости изображению. Функционал особенно удобен для работы в тех местах кадра, которые были увеличены посредством цифрового зуммирования.

Сообщается, что благодаря ON1 Resize AI пользователь получит более качественные и четкие фотографии с увеличением (кропа в любой из части фотографии), чем при использовании предыдущего программного обеспечение ON1 для изменения размера, включая ON1 Resize, которое работает на движке Genuine Fractals.

Компания ON1 называет инструмент Resize AI самым крупным улучшением в истории ON1 Resize. Он будет доступен как отдельное программное обеспечение, так и как плагин.

Сообщается, что при увеличении фотографий в других приложениях программное обеспечение использует интерполяцию, чтобы дублировать существующие пиксели для создания более крупного конечного изображения.

В демонстрационном видео ниже ON1 показывают новое программное обеспечение Resize AI и то, как его подход на основе AI сравнивается с традиционной интерполяцией, включая метод бикубической интерполяции, используемый для увеличения изображений в большинстве фотоприложений, включая Photoshop.

«ON1 Resize AI использует глубокое машинное обучение для изучения различных деталей, которые мы можем наблюдать в мире, будь то естественные текстуры, такие как кора деревьев, мех животных, перья, трава, листья, камень и кожа, или искусственные текстуры, такие как бетон, ткань, или кирпич. Изучение миллионов примеров из повседневной жизни позволит программе масштабировать фотографии и их текстуры практически до любого размера, предоставляя фотографам изображения сверхвысокого разрешения».

Также в ON указывают на то, что плагин Resize AI по сравнению с традиционными методами увеличения фотографий создает более четкие изображения с меньшим уровнем шума, однако не уточняется весь список приложений конкурентов, которые были использованы для сравнения.

«Это просто потрясающе. Мы работаем над этим проектом уже довольно давно, и все будут поражены тем, насколько качественно и насколько сильно вы сможете увеличить свои фотографии. Я до сих пор в восторге от результатов, которые можно получить с помощью ON1 Resize AI», — говорит Дэн Харлахер, вице-президент по продуктам ON1.

ON1 Resize AI позволяет пользователям сохранять увеличенные файлы или даже распечатывать их прямо из приложения. Приложение включает в себя различные инструменты печати, такие как параметры для создания обложки галереи и разделения изображения на плитки для настенной печати.

Программное обеспечение ON1 Resize AI можно использовать для кадрирования и увеличения фотографий, увеличения существующих фотографий со старых камер с меньшими сенсорами с меньшим количеством мегапикселей и даже для высококлассных видеокадров. ON1 Resize AI работает как плагин для Lightroom, Photoshop и Capture One и может использоваться как отдельное приложение.

Существующие владельцы ON1 Resize 2022 получат ON1 Resize AI бесплатно. Если у вас есть ON1 Photo RAW 2022, вы получите обновление, которое интегрирует ON1 Resize AI в этот редактор, вскоре после выпуска программного обеспечения. ON1 Resize AI также будет частью набора профессиональных плагинов ON1. В комплект входят пять профессиональных плагинов ON1.

Сообщается, что пакет плагинов стоит 149,99 долларов США (экв. в руб. 16тыс.), а отдельное приложение / плагин — 99,99 долларов США (экв. в руб. 10700). Точная дата релиза не определена, но ON1 ожидает, что Resize AI будет доступен в апреле текущего года. Для получения более подробной дополнительной информации посетите официальный сайт ON1.

Хотя ON1 не указывает на конкурентов, такие игроки на рынке есть и один из них — это Topaz Labs и их приложение Gigapixel AI, которое также как и ON1 Resize AI, использует AI и глубокое машинное обучение для управления своей технологией увеличения. И скажу как постоянный пользователь Gigapixel пока у данного приложения настоящих конкурентов не было, т.к. Gigapixel AI умеет не только добавлять резкость при увеличении изображения, но и буквально восстанавливать ее там где ее не было из-за промаха автофокусировки.

Ранее глава американской компании Adobe Шантану Нарайен (Shantanu Narayen) опубликовал официальное заявление в корпоративном блоге компании. Adobe прекращает продажи софта и подписок на территории Российской Федерации. Нельзя будет приобрести лицензию на продукции компании, в том числе больше нельзя будет приобрести новую или продлить существующую подписку на Creative Cloud, Photoshop, Premiere Pro, Lightroom, After Effect и прочее программное обеспечение.

Также сообщается, что все государственные СМИ России попадают под дополнительные ограничения, а именно под полную блокировку ранее приобретенных лицензий.

Нарайен уточнил, что прекращение всех новых продаж в России вступает в силу сразу после публикации этого письма в официальном блоге компании Adobe. Все ранее заключенные контракты будут выполнены, а также оформленные прежде подписки также продолжат работать, но продлить их в будущем или оформить новые, как было сказано ранее уже не получится.

Компания Adobe сообщила, что данное решение было принято в связи с стремлением компании соблюдать введённые правительствами США, Европы и Великобритании санкции — данная мера позволит компании убедиться в том, что её продукт и услуги не используются организациями, попавшими под санкции.

Следите за новостями в наших социальных сетях

Источник: photar.ru