请选择 进入手机版 | 继续访问电脑版
 找回密码
 立即注册
首页 社区 AI 在AI中要做锯齿边缘该怎么做

在AI中要做锯齿边缘该怎么做

猿梦 2022-9-11 23:24:38
前面朋友说的不是AI吧。锯齿的话,你画个小三角形(这个会画吧),然后Alt+鼠标按住+Shift,复制一个三角拖到应该放的位置,然后,按Ctrl+D试试看。
影子朋友拿来·电线向妙梦要死~在方块的边缘做锯齿处理:1.复制背景层 (图层一),Alt+delete把原背景层填充一个颜色。(如果不填色的话处理完与背景层重叠看不出效果)2.用矩形选区工具在“图层一”上建立矩形选区(要在图片边缘以内画,给图片边缘留出距离)。3。有了选区后,点工具栏最下边有个“快速蒙版的图标”(这时矩形选区会有填充色,初次使用事需双击快速蒙版设置,勾选“所选区域”选项,快速蒙版的颜色也可进行调整。4.滤镜--画笔描边--喷色描边,调整参数(这时滤镜可根据你想要的效果灵活使用)。5.单击快速蒙版(或按快捷键Q)。这时选区内是你想要的,需要把选区以外的去掉。6.反选ctrl+shift+I ,按delete删除。隐藏背景层,就能看到你要的锯齿效果。文字锯齿1。选择工具“T”下的横排蒙版文字工具,打上你想要的字。ctrl+回车确定,文字出现选区。2.用油漆桶填充上颜色。3.还是用之前的方法,滤镜--画笔--喷色描边。参数值根据需要灵活调整。4.调整完后确定,就可以了。总之,就是在要处理的位置建立选区,用滤镜进行各种调。锯齿除了喷色描边,滤镜里还有个“玻璃”也可以跳出来,多试一试,有时候自己弄弄就出来了。
本人它们走进!椅子谢香柳一些@人工智能(AI)发展愈加快速,并开始大举进军终端装置,运算分析已开始从云端转向终端节点,边缘运算发展可说是目前半导体产业热门议题,而2018台北国际电脑展(Computex 2018)也成为各领域业者(如IP、芯片、储存)火力展示的绝佳场合,纷纷于展会期间发布新的解决方案或市场布局规划。抢攻边缘运算市场Arm动作频频Arm IP产品事业群总裁Rene Haas(图1)表示,随着物联网的蓬勃发展,Arm预测至2035年全球将会有超过1兆台的联网装置,运用于医疗、汽车、灯具及道路等范畴,而联网装置数量的大幅成长也将带领终端及云端运算的持续发展。智能运算将持续推动物联网崭新时代,带领AI变革,促使物联网智能运算无所不在。图1 Arm IP产品事业群总裁Rene Haas表示,物联网蓬勃发展将使联网装置快速增加,智能运算未来将无所不在。因应此一趋势,且为整合生态系统的AI/机器学习(ML)应用、演算与框架,并结合软件优化与硬件IP产品,让各式装置及平台都能支援最常使用的机器学习框架,Arm近期宣布推出三款全新IP产品,分别为Cortex-A76 CPU、Mali-G76 GPU,以及Mali-V76 VPU,以提升游戏与AR/VR体验,AI和机器学习能力。透过这三款新产品,Arm将持续强化该公司于行动领域的竞争优势,也再度增强了智能手机、平板电脑、PC等行动终端装置的运算效能。Arm副总裁暨客户事业部总经理Nandan Nayampally(图2)表示,未来5G将推动整个行动产业创新,即将到来的5G联网应用,包含VR、AI或是手机游戏等将会带动更多运算量成长,未来将会有更多不同运算需求产生。图2 Arm副总裁暨客户事业部总经理Nandan Nayampally指出,5G加AI将推动整个行动产业创新,Arm为此推出全新IP产品因应市场需求。Nayampally进一步指出,游戏也是推动行动装置运算持续攀升的关键因素之一。游戏产业已成目前全球营收规模最大的市场之一,预计在2018年可达到1,379亿美元的产值,这也驱动了消费者对于运算效能的需求。据悉,Cortex-A76是基于Arm旗下的DynamIQ技术打造,和去年所发布的Cortex-A75相比,提升了35%的效能与40%的效率;可为终端装置上的AI/ML提供4倍的运算效能,于PC和智能手机上实现快速且安全的体验。Mali-G76则比前一代的Mali-G72 GPU提升30%运算效能,以及增加了30%的效能密度,不仅可满足消费者随时游玩高阶游戏的需求,也为开发人员提供更多的效能空间,使他们能编写更多新的应用程式,为行动应用带来更多高阶游戏,或是将AR/VR整合至生活当中。最后,随着UHD 8K需求逐渐攀升,为确保IP能支援智能手机和其他装置编码解码运算,Arm便推出Mali-V76,可支援高达60fps的8K解析度或四部60fps的4K串流影片,消费者能同时串流四部4K解析度的电影、在视频会议中录制影片,或者以4K观看四场比赛;或在较低解析度的状况下,仍能呈现高解析度画质(Full HD),并能支援多达16部串流影片组成4×4的电视墙。Project Trillium亮相加速建构ML生态系与此同时,为提升终端装置机器学习效能,Arm也于2018年初发表Project Trillium平台,包含全新机器学习处理器(ML Processor)、物件侦测处理器(Objects Processor),以及Arm神经网路软件( Arm NN)。相较于独立CPU、GPU与加速器,Project Trillium平台效能更远远超越传统DSP的可编程逻辑。Arm副总裁、院士暨机器学习事业群总经理Jem Davies(图3)指出,边缘运算发展潜力十分庞大,目前市面上的确有许多独立的解决方案,像是ASIC加速器、CPU/GPU等。终端业者当然可以选择自己想要的方案,不过缺点在于须花费时间自行进行硬件与软件(TensorFlow、Caffe)的整合。
贫道她们抬高价格……贫僧你们交上!自定义描边…

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册