ການຟື້ນຟູດ້ວຍລະບົບປະສາດທຽມ

ນຳໃຊ້ການຟື້ນຟູດ້ວຍພະລັງ AI ໃຫ້ກັບຮູບທີ່ເລືອກ: ການຫຼຸດສັນຍານລົບໄຟລ໌ດິບ (raw denoise), ຫຼຸດສັນຍານລົບ RGB, ແລະ ການຂະໜາດໃຫຍ່ຂຶ້ນ 2x / 4x. ມີໃຫ້ທັງໃນມຸມມອງ lighttable ແລະ darkroom ເປັນແຜງທີ່ມີຕົວເລືອກວຽກແບບແທັບ, ການສະແດງຕົວຢ່າງກ່ອນ/ຫຼັງແບບໂຕ້ຕອບ, ແລະ ປຸ່ມປະມວນຜົນທີ່ຈະດຳເນີນການຕາມວຽກທີ່ເລືອກໃນທຸກຮູບທີ່ເລືອກ. ຜົນໄດ້ຮັບຈະໄປຫາໄຟລ໌ໃໝ່ – ຮູບເດີມຈະບໍ່ຖືກແກ້ໄຂເລີຍ.

ຄຸນສົມບັດ AI ທີ່ໂມດູນນີ້ໃຊ້ແມ່ນຖືກກຳນົດຄ່າໃນ ຄ່າກຳນົດ AI; ເບິ່ງ ພາບລວມຄຸນສົມບັດ AI ສຳລັບລາຍລະອຽດວ່າຍັງສາມາດເຮັດຫຍັງໄດ້ ແລະ ເຮັດຫຍັງບໍ່ໄດ້.

ການຟື້ນຟູດ້ວຍລະບົບປະສາດທຽມສາມາດເລັ່ງໃຫ້ໄວຂຶ້ນໄດ້ຢ່າງຫຼວງຫຼາຍດ້ວຍ ການເລັ່ງດ້ວຍ GPU.

🔗ເງື່ອນໄຂເບື້ອງຕົ້ນ

ກ່ອນທີ່ທ່ານຈະສາມາດໃຊ້ໂມດູນນີ້:

  1. ເປີດໃຊ້ຄຸນສົມບັດ AI ໃນ ຄ່າກຳນົດ AI. ສະວິດຫຼັກຈະຖືກປິດໄວ້ເມື່ອຕິດຕັ້ງໃໝ່.

  2. ເປີດໃຊ້ຕົວແບບສຳລັບແຕ່ລະວຽກທີ່ທ່ານຕ້ອງການ. ໃນແທັບການຕັ້ງຄ່າດຽວກັນ, ໃຫ້ໝາຍຕິກໃນຖັນ ເປີດໃຊ້ (enabled) ສຳລັບໜຶ່ງຕົວແບບຕໍ່ໜຶ່ງວຽກ – rawdenoise ສຳລັບແທັບຫຼຸດສັນຍານລົບໄຟລ໌ດິບ, denoise ສຳລັບແທັບຫຼຸດສັນຍານລົບ, upscale ສຳລັບແທັບຂະໜາດໃຫຍ່ຂຶ້ນ. ຫາກບໍ່ມີຕົວແບບໃດຖືກເປີດໃຊ້ສຳລັບແທັບປັດຈຸບັນ, ພື້ນທີ່ສະແດງຕົວຢ່າງຈະຂຶ້ນວ່າ ບໍ່ມີຕົວແບບ ແລະ ປຸ່ມປະມວນຜົນຈະບໍ່ເຮັດວຽກ.

ການສະຫຼັບແທັບໂດຍບໍ່ມີຕົວແບບທີ່ເປີດໃຊ້ສຳລັບວຽກໃໝ່ແມ່ນບໍ່ມີອັນຕະລາຍ – ໂມດູນພຽງແຕ່ຈະປິດການເຮັດວຽກຂອງມັນເອງສຳລັບແທັບນັ້ນ ຈົນກວ່າທ່ານຈະເປີດໃຊ້ຕົວແບບໃດໜຶ່ງ.

🔗ແທັບ

ສ່ວນເລືອກແທັບຢູ່ດ້ານເທິງຂອງໂມດູນແມ່ນໃຊ້ເພື່ອເລືອກວຽກທີ່ຈະປະມວນຜົນ.

raw denoise (ຫຼຸດສິ່ງລົບກວນຈາກໄຟລ໌ດິບ)
ການຫຼຸດສິ່ງລົບກວນດ້ວຍ AI ທີ່ນຳໃຊ້ໃນໄລຍະທຳອິດຂອງຂະບວນການປະມວນຜົນໄຟລ໌ດິບ. ຂັ້ນຕອນທີ່ແນ່ນອນແມ່ນຂຶ້ນກັບເຊັນເຊີ:
  • Bayer sensors are denoised directly on the CFA mosaic, with denoise and demosaic combined into a single inference pass. The result is saved as a Bayer CFA DNG.
  • X-Trans sensors (and any other non-Bayer color CFA the Bayer model can’t handle) are demosaicked first by darktable’s pipeline, then the AI denoiser operates on the resulting linear Rec.2020 RGB image. The result is saved as a LinearRaw DNG.

ຜົນໄດ້ຮັບໃດໜຶ່ງສາມາດນຳກັບເຂົ້າມາໃນ darktable ເປັນໄຟລ໌ດິບປົກກະຕິ – ການປະມວນຜົນໃນ darkroom ຕໍ່ໄປຈະບໍ່ປ່ຽນແປງ.

Limitations. Monochrome sensors are not currently supported – the available raw-denoise models are trained on color-CFA data and have no monochrome equivalent yet. Use denoise in neural restore module on a monochrome image instead.

  • ຄວາມແຮງ (strength) – ການປະສົມແບບເສັ້ນຊື່ລະຫວ່າງໄຟລ໌ດິບຕົ້ນສະບັບ (0%) ແລະ ຜົນໄດ້ຮັບທີ່ຫຼຸດສັນຍານລົບດ້ວຍ AI (100%) ຢູ່ທີ່ລະດັບເຊັນເຊີດິບ. ຄ່າທີ່ຕ່ຳກວ່າຈະປ່ອຍໃຫ້ສັນຍານລົບເດີມບາງສ່ວນກັບຄືນມາຕາມສັດສ່ວນ.
denoise (ຫຼຸດສິ່ງລົບກວນ)
ການຫຼຸດສິ່ງລົບກວນ RGB ດ້ວຍລະບົບການຮຽນຮູ້ຂອງເຄື່ອງຈັກ (Machine-learning) ທີ່ນຳໃຊ້ກັບຮູບທີ່ຖອດລະຫັດສີແລ້ວ ແລະ ຜ່ານການແກ້ໄຂສ່ວນໃຫຍ່ແລ້ວ; ໂດຍຈະບັນທຶກເປັນໄຟລ໌ TIFF.
  • strength – at 100% the output is the full AI model result. Lower values do not just blend back the source – the difference between source and denoised is decomposed into wavelet (DWT) detail bands and the higher-frequency texture is brought back selectively, so you recover grain and surface detail without re-introducing the color noise the model removed.
upscale (ເພີ່ມຂະໜາດ)
ການເພີ່ມຄວາມລະອຽດສູງເປັນ 2 ເທົ່າ ຫຼື 4 ເທົ່າ ຂອງຂະໜາດພິກເຊວເດີມ. ຈະບັນທຶກເປັນໄຟລ໌ TIFF ຕາມຂະໜາດທີ່ເພີ່ມຂຶ້ນ. ການເພີ່ມ 4 ເທົ່າ ໃນຮູບທີ່ມີຄວາມລະອຽດສູງຈະໃຊ້ໜ່ວຍຄວາມຈຳຫຼາຍ; ລະບົບຈະເປີດການປະມວນຜົນແບບແຍກສ່ວນ (tile processing) ໂດຍອັດຕະໂນມັດເພື່ອຄວບຄຸມການໃຊ້ໜ່ວຍຄວາມຈຳ, ເຊິ່ງອາດຈະໃຊ້ເວລາປະມວນຜົນເພີ່ມຂຶ້ນເລັກໜ້ອຍ.
  • ຂະໜາດ (scale) – ຄ່າການຂະຫຍາຍຂາອອກທີ່ນຳໃຊ້ກັບແຕ່ລະດ້ານຂອງຮູບ (2x ຫຼື 4x). 2x ຈະເຮັດໃຫ້ຄວາມກວ້າງ ແລະ ຄວາມສູງເພີ່ມຂຶ້ນສອງເທົ່າ, ເຊິ່ງສ້າງພິກເຊວໂດຍລວມຫຼາຍກວ່າເກົ່າສີ່ເທົ່າ; 4x ຈະເພີ່ມແຕ່ລະດ້ານເປັນສີ່ເທົ່າ, ເຊິ່ງສ້າງພິກເຊວຫຼາຍກວ່າເກົ່າສິບຫົກເທົ່າ. ຄ່າທີ່ໃຫຍ່ກວ່າຈະເຮັດວຽກຊ້າກວ່າ ແລະ ຕ້ອງການໜ່ວຍຄວາມຈຳ GPU ຫຼາຍຂຶ້ນ.

ໝາຍເຫດ: ການຂະໜາດໃຫຍ່ຂຶ້ນ 4x ແມ່ນຕ້ອງການຊັບພະຍາກອນຫຼາຍກວ່າ 2x ຢ່າງຫຼວງຫຼາຍ, ເນື່ອງຈາກມັນຕ້ອງສ້າງພິກເຊວລາຍລະອຽດໃໝ່ຫຼາຍກວ່າຕົ້ນສະບັບເຖິງ 16 ເທົ່າ. ພື້ນຜິວທີ່ລະອຽດ ແລະ ເນື້ອຫາທີ່ມີຄວາມຖີ່ສູງອາດຈະເບິ່ງບໍ່ສົມຈິງເທົ່າກັບ 2x – ໃຫ້ໃຊ້ 2x ເມື່ອມັນກົງກັບຄວາມຕ້ອງການຄວາມລະອຽດຂອງທ່ານ.

🔗ຕຳແໜ່ງຂອງວຽກຕ່າງໆໃນຂະບວນການເຮັດວຽກຂອງທ່ານ

raw denoise ແລະ denoise ທັງສອງລ້ວນແຕ່ລຶບສັນຍານລົບຂອງເຊັນເຊີ – ຄວາມແຕກຕ່າງແມ່ນ ຢູ່ທີ່ຂັ້ນຕອນໃດໃນຂະບວນການເຮັດວຽກ ທີ່ທ່ານເລືອກຈະນຳໃຊ້ພວກມັນ, ແລະ ປົກກະຕິແລ້ວທ່ານຄວນເລືອກໃຊ້ຢ່າງໃດຢ່າງໜຶ່ງ, ບໍ່ແມ່ນທັງສອງຢ່າງ:

  • ໃຊ້ raw denoise ເມື່ອທ່ານຮູ້ແລ້ວວ່າຮູບນັ້ນມີສັນຍານລົບຫຼາຍ (ISO ສູງ, ດຶງແສງຫຼາຍ, ແສງໜ້ອຍ) ແລະ ຍັງບໍ່ທັນໄດ້ເລີ່ມການແກ້ໄຂ. ມັນຈະລຶບສັນຍານລົບຢູ່ທີ່ຕົ້ນກຳເນີດ, ໃນຂໍ້ມູນໄຟລ໌ດິບ, ເຊິ່ງເປັນຈຸດທີ່ຕົວແບບສາມາດລຶບມັນອອກໄດ້ສະອາດທີ່ສຸດ – ສະນັ້ນມັນຈຶ່ງໃຫ້ຜົນໄດ້ຮັບທີ່ດີທີ່ສຸດສຳລັບຮູບທີ່ຖ່າຍມາຍາກ. ທ່ານເລືອກໃຊ້ມັນກ່ອນ ແລ້ວຈຶ່ງແກ້ໄຂໄຟລ໌ DNG ທີ່ສະອາດແລ້ວ.

  • ໃຊ້ denoise ເມື່ອທ່ານໄດ້ແຕ່ງຮູບສຳເລັດແລ້ວ ແລະ ສິ່ງລົບກວນມາລົບກວນໃນ ຜົນໄດ້ຮັບ. ມັນຈະເຮັດຄວາມສະອາດສິ່ງລົບກວນທີ່ທ່ານເຫັນໃນຮູບທີ່ແຕ່ງສຳເລັດແລ້ວ ໂດຍບໍ່ເຮັດໃຫ້ທ່ານຕ້ອງໄປເລີ່ມແຕ່ງຮູບໃໝ່.

raw denoise – ກ່ອນ ການແກ້ໄຂໃນ darkroom
ເຮັດວຽກກັບໄຟລ໌ດິບຕົ້ນສະບັບ (Bayer CFA, ຫຼື X-Trans / non-Bayer ທີ່ແປງເປັນ linear Rec.2020) ແລະ ຂຽນເປັນໄຟລ໌ DNG. ຂະບວນການເຮັດວຽກທີ່ແນະນຳຄື:
  1. ເລືອກໄຟລ໌ດິບທີ່ມີສັນຍານລົບໃນ lighttable;
  1. ດຳເນີນການ raw denoise – ໄຟລ໌ DNG ທີ່ໄດ້ຈະຖືກຈັດກຸ່ມໄວ້ກັບຕົ້ນສະບັບ;
  1. ເປີດໄຟລ໌ DNG ໃໝ່ ແລະ ແກ້ໄຂມັນຕາມປົກກະຕິ.

As it works with the original sensor data it removes noise most cleanly, before demosaic spreads it across the color channels. It is the AI counterpart to the classical raw denoise module – both operate on the raw CFA data before demosaic. The original raw file stays untouched.

denoise – ທ້າຍ ຂະບວນການເຮັດວຽກ, ຫຼັງຈາກ ການແກ້ໄຂໃນ darkroom
ສົ່ງອອກຮູບຂອງທ່ານຜ່ານຂະບວນການ darkroom ທັງໝົດ (ທຸກໂມດູນທີ່ເປີດໃຊ້ຈະຖືກນຳໃຊ້) ແລ້ວຈຶ່ງດຳເນີນການຫຼຸດສັນຍານລົບດ້ວຍ AI ໃສ່ຜົນໄດ້ຮັບ, ແລະ ຂຽນເປັນໄຟລ໌ TIFF. ຂະບວນການເຮັດວຽກທີ່ແນະນຳຄື:
  1. develop the image up to and including the step that switches the pipeline from scene-referred to display-referred space (filmic rgb, sigmoid or AgX) and any display-referred color grading – the point where the noise visible to the viewer has emerged;
  1. run denoise – the output is a TIFF with the edit so far baked in, plus noise cleaned up;
  1. continue editing the TIFF if you want to add sharpening, local adjustments, output sizing, etc., or deliver it directly.

ສິ່ງນີ້ຈະລຶບສັນຍານລົບທີ່ເຫັນໄດ້ໃນການແກ້ໄຂທີ່ສຳເລັດແລ້ວຂອງທ່ານພໍດີ, ໂດຍບໍ່ຕ້ອງເຮັດວຽກໃໝ່ – ການແກ້ໄຂຂອງທ່ານຖືກລວມເຂົ້າໃນ TIFF ແລ້ວ ແລະ ທ່ານສາມາດເຮັດວຽກຕໍ່ຈາກນັ້ນ. ຂໍ້ແລກປ່ຽນ: ສັນຍານລົບໄດ້ຖືກປັບປ່ຽນໂດຍຂະບວນການທັງໝົດແລ້ວ, ສະນັ້ນສຳລັບຮູບທີ່ມີສັນຍານລົບຫຼາຍໆ raw denoise ຈະໃຫ້ຜົນທີ່ສະອາດກວ່າ. ໄຟລ໌ TIFF ສາມາດແກ້ໄຂໄດ້ຢ່າງເຕັມທີ່ – ເປັນຈຸດເຄິ່ງທາງທີ່ສະອາດ, ບໍ່ຈຳເປັນຕ້ອງເປັນຂັ້ນຕອນສຸດທ້າຍສະເໝີໄປ.

upscale – ຂັ້ນຕອນສຸດທ້າຍກ່ອນສົ່ງມອບ
ດຳເນີນການຜ່ານຂະບວນການ darkroom ທັງໝົດ, ຈາກນັ້ນຂະຫຍາຍຜົນໄດ້ຮັບເປັນ 2x ຫຼື 4x ແລະ ຂຽນເປັນໄຟລ໌ TIFF. ຂະບວນການເຮັດວຽກທີ່ແນະນຳຄື:
  1. ແກ້ໄຂຮູບໃຫ້ສຳເລັດ, ລວມທັງການເພີ່ມຄວາມຄົມຊັດ ແລະ ການປັບສີ;
  1. ດຳເນີນການ upscale ຕາມຄ່າທີ່ເລືອກ – ຜົນໄດ້ຮັບແມ່ນໄຟລ໌ TIFF ຕາມຂະໜາດທີ່ຂະຫຍາຍແລ້ວ;
  1. ໃຊ້ຜົນໄດ້ຮັບນັ້ນເພື່ອການພິມ ຫຼື ການສະແດງຜົນຂະໜາດໃຫຍ່.

ຢ່າໃຊ້ upscale ໃນຂັ້ນຕອນທຳອິດຂອງການເຮັດວຽກ: ເພາະການຫຼຸດສິ່ງລົບກວນ, ການເພີ່ມຄວາມຄົມຊັດ ຫຼື ການປັບສີຫຼັງຈາກນັ້ນຈະເຮັດວຽກເທິງພິກເຊວທີ່ສ້າງຂຶ້ນໃໝ່ແທນທີ່ຈະເປັນພິກເຊວຕົ້ນສະບັບ, ເຊິ່ງຈະເຮັດໃຫ້ຄຸນນະພາບຫຼຸດລົງ. ການໃຊ້ງານທົ່ວໄປແມ່ນການຂະຫຍາຍຮູບທີ່ຄຣັອບມາໜ້ອຍໆເພື່ອການພິມຂະໜາດໃຫຍ່, ຫຼື ການເພີ່ມຂະໜາດຮູບທີ່ມີຄວາມລະອຽດຕ່ຳເພື່ອໃຊ້ເທິງເວັບ.

🔗ຕົວຢ່າງ

ຢູ່ລຸ່ມສ່ວນຄວບຄຸມແທັບແມ່ນການສະແດງຕົວຢ່າງແບບແບ່ງສ່ວນ ກ່ອນ/ຫຼັງ ຂອງພື້ນທີ່ນ້ອຍໆໃນຮູບທີ່ກຳລັງສະແດງ. ລາກເສັ້ນແບ່ງເພື່ອເບິ່ງຄວາມແຕກຕ່າງລະຫວ່າງຮູບເດີມ (ຊ້າຍ) ແລະ ຜົນໄດ້ຮັບທີ່ຟື້ນຟູດ້ວຍ AI (ຂວາ). ຕົວຢ່າງຈະຖືກສ້າງຂຶ້ນເມື່ອທ່ານຄລິກໃສ່ພື້ນທີ່ສະແດງຕົວຢ່າງ; ມັນຈະໃຊ້ໂມເດວ ແລະ ການຕັ້ງຄ່າດຽວກັນກັບທີ່ປຸ່ມປະມວນຜົນຈະໃຊ້, ສະນັ້ນມັນຈຶ່ງເປັນຕົວຊີ້ບອກທີ່ຊັດເຈນວ່າຜົນໄດ້ຮັບສຸດທ້າຍຈະອອກມາເປັນແນວໃດ.

ເພື່ອເລືອກສ່ວນອື່ນຂອງຮູບ, ໃຫ້ຄລິກປຸ່ມເລືອກ (ເບື້ອງຂວາຂອງ ປະມວນຜົນ) ແລ້ວຄລິກພາຍໃນວິດເຈັດສະແດງຕົວຢ່າງ – ຕົວຢ່າງຈະຖືກສ້າງໃໝ່ໂດຍເນັ້ນໃສ່ຈຸດທີ່ທ່ານຄລິກ.

ວາງເມົາສ໌ໄວ້ເທິງຕົວຢ່າງເພື່ອເບິ່ງຂໍ້ຄວາມແນະນຳທີ່ຂະຫຍາຍ 2 ເທົ່າ, ເຊິ່ງມີປະໂຫຍດໃນການປະເມີນສິ່ງລົບກວນ ຫຼື ລາຍລະອຽດໃນລະດັບພິກເຊວ.

🔗ປະມວນຜົນ

ປຸ່ມ ປະມວນຜົນ (process) ຈະຣັນວຽກທີ່ກຳລັງເປີດຢູ່ໃສ່ທຸກຮູບທີ່ເລືອກໄວ້ຕາມລຳດັບ. ຄວາມຄືບໜ້າຈະຖືກລາຍງານໃນແຖບສະຖານະ; ແຕ່ລະຮູບທີ່ສຳເລັດຈະຖືກບັນທຶກລົງໃນໂຟນເດີຜົນໄດ້ຮັບ ແລະ (ຫາກເປີດໃຊ້ ເພີ່ມໃສ່ຄໍເລັກຊັນປັດຈຸບັນ) ຈະຖືກນຳເຂົ້າໃນຖານຂໍ້ມູນໂດຍອັດຕະໂນມັດ.

ຫາກບໍ່ມີຕົວແບບໃດເຮັດວຽກສຳລັບວຽກປັດຈຸບັນ, ປຸ່ມຈະບໍ່ເຮັດວຽກ (ຕົວຢ່າງຈະສະແດງວ່າ ບໍ່ມີຕົວແບບ). ຫາກຕົວແບບເຮັດວຽກແຕ່ຕົວປະມວນຜົນບໍ່ສາມາດເລີ່ມຕົ້ນໄດ້ – ຫຼື ຜິດພາດກັບຮູບໃດໜຶ່ງໃນຂະນະເຮັດວຽກ – ຮູບທີ່ໄດ້ຮັບຜົນກະທົບຈະຖືກຂ້າມໄປພ້ອມກັບຂໍ້ຄວາມໃນແຖບສະຖານະ, ແລະ ຮູບອື່ນໆໃນຊຸດຈະດຳເນີນການຕໍ່.

🔗ພາຣາມິເຕີຜົນໄດ້ຮັບ

ສ່ວນ ພາຣາມິເຕີຜົນໄດ້ຮັບ ທີ່ສາມາດຫຍໍ້ໄດ້ ແມ່ນໃຊ້ເພື່ອຄວບຄຸມວິທີການບັນທຶກຜົນໄດ້ຮັບລົງໃນດິສກ໌. ການຕັ້ງຄ່າຈະນຳໃຊ້ກັບວຽກໃດກໍຕາມທີ່ກຳລັງເປີດໃຊ້ຢູ່.

bit depth (denoise and upscale only)
Bit depth of the output TIFF (8 bit, 16 bit, 32 bit (float)). profile (denoise and upscale only)
Color profile embedded in the output TIFF. image settings uses the working profile of the source image. The other entries match the standard export dialog.
compression (ສະເພາະການ denoise ແລະ upscale ເທົ່ານັ້ນ)
ການບີບອັດໄຟລ໌ TIFF ຂອງໄຟລ໌ຂາອອກ. ມີໃຫ້ເລືອກ uncompressed (ບໍ່ບີບອັດ), deflate ແລະ deflate with predictor (ຄ່າເລີ່ມຕົ້ນ). ຄ່າເລີ່ມຕົ້ນຈະຫຼຸດຂະໜາດໄຟລ໌ລົງປະມານ 50-60%.
preserve wide-gamut colors (denoise only)
When on, pixels whose color falls outside sRGB gamut pass through the model unchanged – wide-gamut colors are preserved exactly, but those specific pixels are not denoised. When off, every pixel is denoised but wide-gamut colors may be clipped to sRGB.
ເພີ່ມໃສ່ຄໍເລັກຊັນປັດຈຸບັນ
ນຳເຂົ້າຜົນໄດ້ຮັບເຂົ້າໃນ darktable ໂດຍອັດຕະໂນມັດເມື່ອບັນທຶກສຳເລັດ. ຮູບໃໝ່ຈະຖືກຈັດກຸ່ມໄວ້ກັບຮູບຕົ້ນສະບັບເພື່ອໃຫ້ພວກມັນປາກົດຢູ່ຮ່ວມກັນໃນ darktable.
ໂຟນເດີຂາອອກ
ບ່ອນທີ່ໄຟລ໌ຂາອອກຖືກບັນທຶກ. ຮອງຮັບຕົວປ່ຽນຂອງ darktable – $(FILE_FOLDER) (ຄ່າເລີ່ມຕົ້ນ) ຈະບັນທຶກໄວ້ຂ້າງຮູບຕົ້ນສະບັບ. ໃຊ້ປຸ່ມໄອຄອນໂຟນເດີເພື່ອເລືອກໄດເຣັກທໍຣີ.

🔗ປະສິດທິພາບ

ເວລາປະມວນຜົນແມ່ນຂຶ້ນກັບລະບົບເລັ່ງຄວາມໄວ AI, ຄວາມລະອຽດຂອງຮູບ, ແລະ ວຽກທີ່ເຮັດ. Raw denoise ແລະ 4x upscale ແມ່ນຕ້ອງການຊັບພະຍາກອນຫຼາຍທີ່ສຸດ. ການປະມວນຜົນຄັ້ງທຳອິດຫຼັງຈາກເປີດ darktable ຈະມີການເສຍເວລາໃນການລວບລວມກຣາບພຽງຄັ້ງດຽວ – ເບິ່ງ ການເລັ່ງດ້ວຍ GPU, AI ເຮັດວຽກແນວໃດ, ແລະ ໝາຍເຫດກ່ຽວກັບປະສິດທິພາບ ສຳລັບລາຍລະອຽດ.

translations