ພາບລວມ
darktable ໃຊ້ໂມເດວການຮຽນຮູ້ຂອງເຄື່ອງສຳລັບວຽກການປະມວນຜົນຮູບພາບຈຳນວນໜຶ່ງ: ການເຮັດໜ້າກາກວັດຖຸແບບໂຕ້ຕອບ, ການຫຼຸດສັນຍານລົບກວນ (denoising), ການຂະຫຍາຍຂະໜາດ (upscaling) ແລະ ອື່ນໆ. ສ່ວນນີ້ຈະອະທິບາຍວ່າຄຸນສົມບັດເຫຼົ່ານັ້ນເຮັດວຽກແນວໃດແບບຄົບວົງຈອນ – ອັນໃດລັນຢູ່ໃສ, ມີໂມເດວໃດແດ່, ການລັນຖືກເລັ່ງຄວາມໄວແນວໃດ, ແລະ ສິ່ງທີ່ຜູ້ໃຊ້ເລືອກໃນ ການຕັ້ງຄ່າ AI ນັ້ນຄວບຄຸມຫຍັງແທ້.
ຄຸນສົມບັດ AI ແມ່ນຕ້ອງເລືອກເປີດໃຊ້ເອງ. ພວກມັນຈະຖືກປິດໄວ້ເປັນຄ່າເລີ່ມຕົ້ນໃນການຕິດຕັ້ງໃໝ່ ແລະ ສາມາດເປີດປິດໄດ້ຕະຫຼອດເວລາໃນການຕັ້ງຄ່າ.
ຄຸນສົມບັດ AI ຕ້ອງມີຢູ່ໃນໄຟລ໌ບີນາຣີ (binary) ຂອງ darktable. ຊຸດຕິດຕັ້ງທາງການ (Linux AppImage, Windows installer, macOS dmg) ແມ່ນລວມເອົາຄຸນສົມບັດເຫຼົ່ານີ້ໄວ້ທັງໝົດ. ຜູ້ຈັດເຮັດຊຸດຕິດຕັ້ງພາຍນອກອາດຈະສະໜອງຊຸດຕິດຕັ້ງທີ່ບໍ່ມີການຮອງຮັບ AI – ໃນກໍລະນີນັ້ນ, ແຖບ AI ຈະບໍ່ປະກົດໃຫ້ເຫັນໃນສ່ວນການຕັ້ງຄ່າ (preferences) ເລີຍ. ໃຫ້ສອບຖາມຜູ້ດູແລຊຸດຕິດຕັ້ງຂອງລະບົບ (distribution) ທີ່ທ່ານໃຊ້ເພື່ອເປີດການຮອງຮັບ AI ຫຼື ໃຊ້ຊຸດຕິດຕັ້ງທາງການ.
🔗ຄຸນສົມບັດ AI ເຮັດຫຍັງໄດ້ແດ່
🔗ໜ້າທີ່ (tasks)
ໜ້າທີ່ (task) ແມ່ນຊ່ອງຄວາມສາມາດພາຍໃນ darktable – “ສ້າງໜ້າກາກອ້ອມຮອບວັດຖຸທີ່ຄລິກ”, “ຫຼຸດສັນຍານລົບກວນຮູບພາບ RGB”, ແລະ ອື່ນໆ. ໜ້າທີ່ຕ່າງໆຈະແຍກອອກຈາກໂມເດວທີ່ນຳໃຊ້ມັນ: ໂມເດວທີ່ແຂ່ງຂັນກັນຫຼາຍອັນສາມາດຢູ່ໃນດິສກ໌ສຳລັບໜ້າທີ່ດຽວກັນ (ຕົວຫຼຸດສັນຍານລົບກວນ NIND, ຕົວຫຼຸດສັນຍານລົບກວນ NAFNet, ອັນທີສາມທີ່ເປັນຕົວທົດລອງ…), ແຕ່ຈະມີພຽງອັນດຽວໃນນັ້ນທີ່ ໃຊ້ງານຢູ່ ສຳລັບໜ້າທີ່ນັ້ນໃນເວລາໃດໜຶ່ງ, ແລະ ນັ້ນຄືອັນທີ່ໂມດູນຂອງ darktable ຈະນຳໄປໃຊ້. ການປ່ຽນໂມເດວທີ່ໃຊ້ງານຢູ່ແມ່ນການສະຫຼັບພຽງຄລິກດຽວໃນ ການຕັ້ງຄ່າ AI ແລະ ບໍ່ຈຳເປັນຕ້ອງມີການປ່ຽນແປງໃດໆກັບໂມດູນ – ຕົວນຳໃຊ້ພຽງແຕ່ຖາມຫາ “ໂມເດວ denoise ທີ່ໃຊ້ງານຢູ່” ແລະ ກໍຈະໄດ້ອັນໃດກໍຕາມທີ່ທ່ານເລືອກ.
ການຕັ້ງຄ່າແບບນີ້ຊ່ວຍໃຫ້ມີຄວາມຢືດຢຸ່ນ ເພື່ອໃຫ້ບ່ອນເກັບໂມເດວສາມາດເຜີຍແຜ່ໂມເດວທາງເລືອກ ຫຼື ໂມເດວທີ່ປັບປຸງໃໝ່ໄດ້ ໂດຍທີ່ darktable ບໍ່ຈຳເປັນຕ້ອງຮູ້ລ່ວງໜ້າ: ພຽງແຕ່ເລືອກໂມເດວໃນການຕັ້ງຄ່າ ແລ້ວທຸກໂມດູນທີ່ໃຊ້ໜ້າທີ່ນັ້ນຈະອັບເດດຕາມໂດຍອັດຕະໂນມັດ.
ປັດຈຸບັນ darktable ມີສີ່ໜ້າທີ່ໃຫ້ໃຊ້:
- mask (ໜ້າກາກ)
- ການແຍກສ່ວນວັດຖຸແບບໂຕ້ຕອບ. ພຽງແຕ່ຄລິກໃສ່ວັດຖຸໃນຫ້ອງມືດ ແລ້ວໂມເດວຈະສ້າງໜ້າກາກອ້ອມຮອບມັນ, ປ່ຽນເປັນກຸ່ມຮູບຊົງທີ່ສາມາດແກ້ໄຂໄດ້ຄືກັບການແຕ້ມເອງ. ໃຊ້ໂດຍຮູບຊົງ AI object ເພື່ອເລືອກພື້ນທີ່ໂດຍບໍ່ຕ້ອງແຕ້ມດ້ວຍມື. ຂັບເຄື່ອນດ້ວຍໂມເດວ ເຊັ່ນ SAM 2.1 ແລະ SegNext.
- denoise (ລົບສັນຍານລົບ)
- ການລົບສັນຍານລົບໃນຮູບ RGB ດ້ວຍ machine-learning ເພື່ອເປັນທາງເລືອກແທນໂມດູນແບບດັ້ງເດີມ. ເຮັດວຽກກັບຂໍ້ມູນຮູບພາບ RGB ທີ່ຜ່ານການ demosaic ແລ້ວ. ມັນຊ່ວຍລົບສັນຍານລົບໂດຍບໍ່ເຮັດໃຫ້ຮູບເບິ່ງຄືຖືກເບຼີ ຫຼື ເປັນກ້ອນຄືກັບຟິວເຕີທົ່ວໄປ. ໃຊ້ໃນແທັບ denoise ຂອງໂມດູນ neural restore.
- rawdenoise (ລົບສັນຍານລົບຈາກໄຟລ໌ Raw)
- ການລົບສັນຍານລົບດ້ວຍ machine-learning ໂດຍກົງໃສ່ຂໍ້ມູນ Raw ກ່ອນການ demosaic. ຜົນລັອກຈະຖືກບັນທຶກເປັນ LinearRaw DNG ແລະ ນຳເຂົ້າໃໝ່ ເພື່ອໃຫ້ການປະມວນຜົນໃນຫ້ອງມືດຂັ້ນຕອນຕໍ່ໄປບໍ່ປ່ຽນແປງ. ມີປະໂຫຍດເມື່ອຕ້ອງການຈັດການສັນຍານລົບກ່ອນຂະບວນການ demosaic. ໃຊ້ໃນແທັບ raw denoise ຂອງໂມດູນ neural restore.
- upscale (ຂະຫຍາຍຮູບ)
- ການຂະຫຍາຍຮູບ 2 ເທົ່າ ແລະ 4 ເທົ່າ (super-resolution), ເພື່ອສ້າງລາຍລະອຽດທີ່ສົມຈິງຈາກຮູບທີ່ມີຄວາມລະອຽດຕ່ຳ. ມີປະໂຫຍດສຳລັບຮູບຂະໜາດນ້ອຍ ຫຼື ຮູບທີ່ຖືກຕັດ (crop) ເຊິ່ງການຂະຫຍາຍແບບທົ່ວໄປຈະເຮັດໃຫ້ຮູບເບຼີ. ໃຊ້ໃນແທັບ upscale ຂອງໂມດູນ neural restore.
ວຽກງານຕ່າງໆຈະເຮັດວຽກກໍຕໍ່ເມື່ອມີການສັ່ງການຈາກຜູ້ໃຊ້ເທົ່ານັ້ນ – ບໍ່ມີການເຮັດວຽກຂອງ AI ຢ່າງຕໍ່ເນື່ອງຢູ່ເບື້ອງຫຼັງ, ບໍ່ມີການເກັບກຳຂໍ້ມູນການນຳໃຊ້, ແລະ ບໍ່ມີສ່ວນປະກອບຂອງລະບົບຄລາວ. ທຸກຢ່າງແມ່ນເຮັດວຽກຢູ່ພາຍໃນເຄື່ອງຂອງທ່ານເອງ.
🔗ໝາຍເຫດກ່ຽວກັບຄວາມຊັດເຈນ
ເຊັ່ນດຽວກັນກັບລະບົບການຮຽນຮູ້ຂອງເຄື່ອງອື່ນໆ, ຄຸນສົມບັດ AI ໃນ darktable ແມ່ນບໍ່ໄດ້ສົມບູນແບບ. ທຸກໆໂມເດວມີກໍລະນີທີ່ຜົນລັດຂອງມັນຈະເບິ່ງຄືວ່າແຍ່ກວ່າທາງເລືອກແບບດັ້ງເດີມ – ວັດຖຸທີ່ຜິດປົກກະຕິ, ລະດັບແສງທີ່ສູງຫຼາຍ, ຫຼື ເນື້ອຫາທີ່ແຕກຕ່າງຈາກສິ່ງທີ່ໂມເດວຖືກຝຶກມາ. ສິ່ງນີ້ເປັນທຳມະຊາດຂອງວິທີການເຮັດວຽກຂອງ ML, ບໍ່ແມ່ນບັກ (bug): ຄວາມຖືກຕ້ອງ 100% ໃນທຸກຂໍ້ມູນນຳເຂົ້າທີ່ເປັນໄປໄດ້ບໍ່ແມ່ນສິ່ງທີ່ໂມເດວໃດໆ – ບໍ່ວ່າຈະເປັນຂອງພວກເຮົາ ຫຼື ຂອງຄົນອື່ນ – ສາມາດໃຫ້ໄດ້.
ສິ່ງທີ່ແບບຈຳລອງ ສາມາດ ມອບໃຫ້ໄດ້ ແມ່ນຜົນໄດ້ຮັບທີ່ດີຢ່າງສະໝໍ່າສະເໝີໃນກໍລະນີທົ່ວໄປທີ່ພວກມັນຖືກອອກແບບມາ. ແນວຄິດທີ່ຖືກຕ້ອງແມ່ນໃຫ້ຖືວ່າ ຄຸນສົມບັດ AI ເປັນເຄື່ອງມືທີ່ມັກຈະດີກວ່າທາງເລືອກແບບດັ້ງເດີມ, ແລະ ໃຫ້ເກັບບັນດາມໍດູນແບບດັ້ງເດີມໄວ້ເປັນທາງເລືອກສຳຮອງ ສຳລັບບາງຮູບພາບທີ່ຜົນອອກຈາກ AI ບໍ່ດີພໍ. ຖ້າທ່ານພົບກໍລະນີທີ່ແບບຈຳລອງ AI ໃຫ້ຜົນໄດ້ຮັບທີ່ບໍ່ດີຢ່າງເຫັນໄດ້ຊັດ, ກະລຸນາພິຈາລະນາລາຍງານ ເພື່ອໃຫ້ແບບຈຳລອງສາມາດຖືກປັບປຸງໃຫ້ດີຂຶ້ນເລື້ອຍໆ.
🔗ສິ່ງທີ່ darktable ບໍ່ ເຮັດ
darktable ໃຊ້ AI ແບບແຄບ (narrow AI) – ໂມເດວຂະໜາດນ້ອຍທີ່ສະເພາະເຈາະຈົງກັບໜ້າທີ່ ເຊິ່ງລັນໃນແລັບທັອບຂອງທ່ານ ແລະ ເຮັດວຽກໜຶ່ງທີ່ກຳນົດໄວ້ຢ່າງດີ (denoise, mask, upscale). ມັນ ບໍ່ໄດ້ ໃຊ້ໂມເດວການສ້າງ (generative models) ຂະໜາດໃຫຍ່ທີ່ສາມາດປ່ຽນແປງຮູບຖ່າຍໄດ້ – ບໍ່ມີການປ່ຽນທ້ອງຟ້າ, ບໍ່ມີການແຊກວັດຖຸ, ບໍ່ມີການປ່ຽນສະໄຕລ໌ຮູບ, ບໍ່ມີເນື້ອຫາທີ່ສັງເຄາະຂຶ້ນມາໃດໆທັງສິ້ນ. ຂອບເຂດທັງໝົດແມ່ນໄດ້ຖືກກຳນົດໄວ້ໃນ ນະໂຍບາຍການຮວມໂມເດວ AI ຂອງໂຄງການ; ຫຼັກການຄຸ້ມຄອງແມ່ນ ຄວາມຖືກຕ້ອງຂອງສາກ (scene integrity): AI ອາດຈະປັບແກ້ຂໍ້ບົກພ່ອງທາງເຕັກນິກຂອງການຖ່າຍຮູບ, ແຕ່ມັນຈະບໍ່ປ່ຽນແປງສິ່ງທີ່ຢູ່ຕໍ່ໜ້າກ້ອງ.
ນອກຈາກຂອບເຂດແລ້ວ, ນີ້ຄືການຮັບປະກັນທາງເຕັກນິກ:
-
ບໍ່ມີການປະມວນຜົນເທິງຄລາວ: ທຸກໂມເດະລັນຢູ່ໃນ CPU ຫຼື GPU ຂອງທ່ານເອງ. ບໍ່ມີຂໍ້ມູນຮູບພາບໃດໆຖືກສົ່ງອອກນອກເຄື່ອງ.
-
ບໍ່ມີການແກ້ໄຂອັດຕະໂນມັດ: ທຸກຄຸນສົມບັດ AI ຕ້ອງຖືກສັ່ງໂດຍຜູ້ໃຊ້; ບໍ່ມີການເຮັດວຽກຂອງ AI ໃນພື້ນຫຼັງກັບຄໍເລັກຊັນຮູບຂອງທ່ານ.
-
ບໍ່ມີການເຝິກຝົນ (training): darktable ມາພ້ອມກັບໂມເດວທີ່ເຝິກຝົນມາແລ້ວ ແລະ ເຮັດພຽງແຕ່ການປະມວນຜົນເທົ່ານັ້ນ. ບ່ອນເກັບ darktable-ai ມີສະຄຣິບ ແລະ ໝາຍເຫດການເຝິກຝົນສຳລັບຜູ້ທີ່ຕ້ອງການເຝິກຝົນໃໝ່ ຫຼື ສົ່ງອອກໂມເດວໃໝ່.
-
ບໍ່ມີການອັບເດດອັດຕະໂນມັດ: ໂມເດວຈະຖືກດາວໂຫລດກໍຕໍ່ເມື່ອທ່ານຕ້ອງການຜ່ານການຕັ້ງຄ່າ; ບໍ່ມີຫຍັງເກີດຂຶ້ນໃນພື້ນຫຼັງ.
-
ບໍ່ມີການເກັບຂໍ້ມູນ: darktable ບໍ່ລາຍງານການໃຊ້ໂມເດວ, ການເລືອກຕົວປະມວນຜົນ, ຫຼື ປະສິດທິພາບການເຮັດວຽກໄປບ່ອນໃດເລີຍ.