Как выйти за пределы?
Конечно, обмана своих шаблонов в мозгу игрой будет недостаточно. Да, появится зверская мотивация развиваться, искать законы гармонии, вылизывать сутками шоурилы и открыть ферму по спаму режиссеров, ютуб-каналов и организаций, чтобы увеличить поток денег.
Но это экстенсивный путь. Рано или поздно окажется, что вся эта золотая витрина окажется лишь гнилой тумбочкой в обертке из фольги. В реальном проекте с лимитом времени уже не будет недель на поиск варезных лутов и плагинов. Не будет часов поиска тех самых заветных положений регуляторов.
Витрина и смап-ферма — тупиковый путь.
Прочесывание ютуба в часах и неделях тоже не сильно поможет. Там такие же люди берут и показывают какую-то фишку. Ничего уникального в них нет. Они такие же люди. Правда многие из них занимаются вовсе не цветокоррекцией и монтажом, а своим ютуб каналом, который их кормит. Я сам просаживал месяцы в ютубе, пытаясь найти хоть один какой-то шанс найти супер-секрет красоты. Частично да, удалось, крупицы золота попадаются.
Гораздо эффективней вложиться в навык.
Это иной взгляд на то как работает мозг во время цветокоррекции и иной навык кручения регуляторов.
В группе по Resolve был один такой уникум-новичок, который упорно старался сделать крутую цветокоррекцию, поглядывая на приборы, выставляя все с прецизионной точностью, но НЕ СМОТРЯ на изображение. А потому что где-то нахватался идеи, что есть некая волшебная линия скинтона, которую какой-то дебил превознес в идеалы.
Это простой пример, где мозг специально вам мешает, когда вы делаете цветокоррекцию. Вы считаете, что нужно делать так или иначе, потому что где-то увидели как кто-то так делает. Или, что хуже, обучились у какого-то инфоцыгана, который вас заставлял так делать. И теперь тратите годы на ерунду, не понимая, почему картинка все еще очень далека от того, к чему стремитесь.
Даже месяцы сидения и кручения в упражнениях ничего не дадут. Это как посадить маляра за тренировочные заборы с надеждой что через месяц он сможет нарисовать картину уровня Айвазовского.
Все препоны в башке. Но теперь уже в шаблонах, стереотипах и заблуждениях.
Чтобы сделать картинку лучше цветокоррекцией, надо вдуматься в саму суть цветокоррекции как творческого процесса. Как сделать красиво, дорого, точно? И вылизывать это, уничтожая все мешающее.
Ну и немаловажная тема — это калибровка. Представьте, что вы делаете цветокоррекцию в солнцезащитных очках, которые купили за 100 руб на остановке. Да, можно обвешаться приборами и привыкнуть к кривому цвету.
НО
Разве вы дойдете так до нюансов?
Нет, для вас изменение контрола в километр не будет давать никаких явных изменений.
Только когда вы видите идеальное изображение по всем стандартам, вы сможете выйти на уровни нюансов, где и скрываются богатые красивые картинки, а с ними и крупные купюры.
Так что все не так и просто, как кажется. В этом надо загоняться очень серьезно, чтобы серьезно продвинуться вверх.
И это не какие-то мотивационные писанины. Я все описываю свой опыт, свои скитания в этом пути, где большую часть времени я занимался ерундой, попугайничая за другими, считая, что они мастера.
Причина в своей голове, а не в секретных мастер-классах.
#путь
Конечно, обмана своих шаблонов в мозгу игрой будет недостаточно. Да, появится зверская мотивация развиваться, искать законы гармонии, вылизывать сутками шоурилы и открыть ферму по спаму режиссеров, ютуб-каналов и организаций, чтобы увеличить поток денег.
Но это экстенсивный путь. Рано или поздно окажется, что вся эта золотая витрина окажется лишь гнилой тумбочкой в обертке из фольги. В реальном проекте с лимитом времени уже не будет недель на поиск варезных лутов и плагинов. Не будет часов поиска тех самых заветных положений регуляторов.
Витрина и смап-ферма — тупиковый путь.
Прочесывание ютуба в часах и неделях тоже не сильно поможет. Там такие же люди берут и показывают какую-то фишку. Ничего уникального в них нет. Они такие же люди. Правда многие из них занимаются вовсе не цветокоррекцией и монтажом, а своим ютуб каналом, который их кормит. Я сам просаживал месяцы в ютубе, пытаясь найти хоть один какой-то шанс найти супер-секрет красоты. Частично да, удалось, крупицы золота попадаются.
Гораздо эффективней вложиться в навык.
Это иной взгляд на то как работает мозг во время цветокоррекции и иной навык кручения регуляторов.
В группе по Resolve был один такой уникум-новичок, который упорно старался сделать крутую цветокоррекцию, поглядывая на приборы, выставляя все с прецизионной точностью, но НЕ СМОТРЯ на изображение. А потому что где-то нахватался идеи, что есть некая волшебная линия скинтона, которую какой-то дебил превознес в идеалы.
Это простой пример, где мозг специально вам мешает, когда вы делаете цветокоррекцию. Вы считаете, что нужно делать так или иначе, потому что где-то увидели как кто-то так делает. Или, что хуже, обучились у какого-то инфоцыгана, который вас заставлял так делать. И теперь тратите годы на ерунду, не понимая, почему картинка все еще очень далека от того, к чему стремитесь.
Даже месяцы сидения и кручения в упражнениях ничего не дадут. Это как посадить маляра за тренировочные заборы с надеждой что через месяц он сможет нарисовать картину уровня Айвазовского.
Все препоны в башке. Но теперь уже в шаблонах, стереотипах и заблуждениях.
Чтобы сделать картинку лучше цветокоррекцией, надо вдуматься в саму суть цветокоррекции как творческого процесса. Как сделать красиво, дорого, точно? И вылизывать это, уничтожая все мешающее.
Ну и немаловажная тема — это калибровка. Представьте, что вы делаете цветокоррекцию в солнцезащитных очках, которые купили за 100 руб на остановке. Да, можно обвешаться приборами и привыкнуть к кривому цвету.
НО
Разве вы дойдете так до нюансов?
Нет, для вас изменение контрола в километр не будет давать никаких явных изменений.
Только когда вы видите идеальное изображение по всем стандартам, вы сможете выйти на уровни нюансов, где и скрываются богатые красивые картинки, а с ними и крупные купюры.
Так что все не так и просто, как кажется. В этом надо загоняться очень серьезно, чтобы серьезно продвинуться вверх.
И это не какие-то мотивационные писанины. Я все описываю свой опыт, свои скитания в этом пути, где большую часть времени я занимался ерундой, попугайничая за другими, считая, что они мастера.
Причина в своей голове, а не в секретных мастер-классах.
#путь
Еще один компонент:
Это тупо практика. И практика нужна не любая. Прежде чем браться за круто-снятое и там все испортить, нужно месяцами сидеть над самыми плохими кадрами.
Почему это важно?
Будет понятен смысл улучшения. Когда все хорошо — не очевидно, а что тут улучшать? Чтобы понять, как и что улучшать, надо поработать над самым дном.
И это даст опыт и понимание, что плохо, и самое главное, как из плохого что-то сделать хорошее.
Но на таком пути есть тупиковая идея, что из плохого можно сделать что-то действительно классное.
Нет.
Плохое можно немного улучшить, т.е. превратить в среднее. А дальше будет непреодолимая стена невозможности что-то вытянуть.
Другая сторона такой практики — привычка к плохому.
Это очень быстро рушит понимание прекрасного и превращает все в паршивое. Паршивое становится нормой. К нему привыкаешь.
Поэтому во что было ни стало, нужно получить хорошие исходники, снятые мастерами. И самое первое, что обычно нас ждет — после практики плохого отличное тоже становится паршивым.
Дело в том, что когда долго сидишь в практике реставрации и правки, все внимание уходит в технику. Как и чем тут что исправить.
Но хорошие исходники — это чистое искусство. Это то, что передается поверх: эмоции, состояния, смыслы, взаимодействия со зрителем.
То, что вызывает слезы и дикий хохот, заставляет подумать о чем-то и реально что-то менять в своей жизни, УВИДЕВ.
Ничего этого нет в паршивых исходниках. Есть ошибки, халтура и прочее. Так что первое время в хороших исходниках вы не увидите НИ-ЧЕ-ГО.
И вот когда это пройдет, то постепенно вы начнете видеть ту коммуникационную цепочку душа-душа, которая раньше для вас была неизвестной — вам и захочется это добавить в паршивые исходники.
И это важный этап. Надо будет добавить то, чего там нет. А это — чистое творчество.
Поздравляю, вы подобрались к самому началу. До этого было малярство.
И тут начинается самое начало....
С нуля.
#плохие #исходники
Это тупо практика. И практика нужна не любая. Прежде чем браться за круто-снятое и там все испортить, нужно месяцами сидеть над самыми плохими кадрами.
Почему это важно?
Будет понятен смысл улучшения. Когда все хорошо — не очевидно, а что тут улучшать? Чтобы понять, как и что улучшать, надо поработать над самым дном.
И это даст опыт и понимание, что плохо, и самое главное, как из плохого что-то сделать хорошее.
Но на таком пути есть тупиковая идея, что из плохого можно сделать что-то действительно классное.
Нет.
Плохое можно немного улучшить, т.е. превратить в среднее. А дальше будет непреодолимая стена невозможности что-то вытянуть.
Другая сторона такой практики — привычка к плохому.
Это очень быстро рушит понимание прекрасного и превращает все в паршивое. Паршивое становится нормой. К нему привыкаешь.
Поэтому во что было ни стало, нужно получить хорошие исходники, снятые мастерами. И самое первое, что обычно нас ждет — после практики плохого отличное тоже становится паршивым.
Дело в том, что когда долго сидишь в практике реставрации и правки, все внимание уходит в технику. Как и чем тут что исправить.
Но хорошие исходники — это чистое искусство. Это то, что передается поверх: эмоции, состояния, смыслы, взаимодействия со зрителем.
То, что вызывает слезы и дикий хохот, заставляет подумать о чем-то и реально что-то менять в своей жизни, УВИДЕВ.
Ничего этого нет в паршивых исходниках. Есть ошибки, халтура и прочее. Так что первое время в хороших исходниках вы не увидите НИ-ЧЕ-ГО.
И вот когда это пройдет, то постепенно вы начнете видеть ту коммуникационную цепочку душа-душа, которая раньше для вас была неизвестной — вам и захочется это добавить в паршивые исходники.
И это важный этап. Надо будет добавить то, чего там нет. А это — чистое творчество.
Поздравляю, вы подобрались к самому началу. До этого было малярство.
И тут начинается самое начало....
С нуля.
#плохие #исходники
Реальная ситуация в ИИ
Очень критическая статья-перевод от Ричарда Кэмпбелл, который проанализировал всю историю всплеска бума:
https://habr.com/ru/articles/1072298/
Судя по настроениям из статьи, ждать Искусственного Колориста придется очень долго, а ИИ-рынок скоро рухнет. Возникли проблемы с масштабированием. Прозаическая невозможность строить быстро датацентры и делать микросхемы.
Наиболее ожидаемый прогноз: скоро ИИ-сервисы станут очень дорогими. Пока все держится на халяве, вот и растет все как на дрожжах. А халява нужна, потому что иначе нет инвестиций.
Но самый страшный обвал нас ждет после реального внедрения этого во все щели. Штука хоть и сообразительная, но не имеющая ни малейшего понимания о реальности живой жизни.
Вот ее и впустят в управление живой жизнью.
#ии
Очень критическая статья-перевод от Ричарда Кэмпбелл, который проанализировал всю историю всплеска бума:
https://habr.com/ru/articles/1072298/
Судя по настроениям из статьи, ждать Искусственного Колориста придется очень долго, а ИИ-рынок скоро рухнет. Возникли проблемы с масштабированием. Прозаическая невозможность строить быстро датацентры и делать микросхемы.
Наиболее ожидаемый прогноз: скоро ИИ-сервисы станут очень дорогими. Пока все держится на халяве, вот и растет все как на дрожжах. А халява нужна, потому что иначе нет инвестиций.
Но самый страшный обвал нас ждет после реального внедрения этого во все щели. Штука хоть и сообразительная, но не имеющая ни малейшего понимания о реальности живой жизни.
Вот ее и впустят в управление живой жизнью.
#ии
Сделал свое собственное цветовое пространство на база чувствительности колбочек глаза (LMS), но результат мне не нравится на тестовом коде улучшения насыщенности.
Продолжаю R&D...
#скоро
Продолжаю R&D...
#скоро
Почему Color Slice Density работает так странно?
Я, похоже, повторил ход мысли разработчиков Resolve и изобрел код фиксирования желтого цвета. Визуально очень похоже на то, как работает регулятор в Color Slice. В предыдущем сообщении на Desmos есть кривая фикса в цилиндрическом пространстве, которую я сделал.
Но! Выглядит не очень. Разработчики Resolve оставили как есть, а для меня такая эстетика не приемлема. Ищу другие пути. Уже есть идея специального цветового пространства, где желтый будет иметь особые свойства.
#инсайды
Я, похоже, повторил ход мысли разработчиков Resolve и изобрел код фиксирования желтого цвета. Визуально очень похоже на то, как работает регулятор в Color Slice. В предыдущем сообщении на Desmos есть кривая фикса в цилиндрическом пространстве, которую я сделал.
Но! Выглядит не очень. Разработчики Resolve оставили как есть, а для меня такая эстетика не приемлема. Ищу другие пути. Уже есть идея специального цветового пространства, где желтый будет иметь особые свойства.
#инсайды
Стилизация из сегодняшней встречи по стилизации
Набросал за пять минут, объяснил каждую ноду. Все отдельно мы уже проходили. Второй месяц обучения.
#пример
Набросал за пять минут, объяснил каждую ноду. Все отдельно мы уже проходили. Второй месяц обучения.
#пример
Создаю свое цветовое пространство, оптимизированное под быстрые вычисления и цветокоррекцию видео.
Получается уже намного лучше и ровнее чем например OkLab, да и не удивительно, у меня точное соответствие калиброванным условиям по стандартам цветокоррекции видео.
Почему мне это важно? По ряде причин не устраивают стандартные пространства, сделанные учеными. Или медленные или не для видео. Мне это нужно для всех вычислений моих плагинов, которые будут работать с любым гамутом и гаммой одинаково.
Офигиваю уже, в какие дебри я залез — делаю лучшее цветовое пространство для цветокоррекции видео...
#скоро
Получается уже намного лучше и ровнее чем например OkLab, да и не удивительно, у меня точное соответствие калиброванным условиям по стандартам цветокоррекции видео.
Почему мне это важно? По ряде причин не устраивают стандартные пространства, сделанные учеными. Или медленные или не для видео. Мне это нужно для всех вычислений моих плагинов, которые будут работать с любым гамутом и гаммой одинаково.
Офигиваю уже, в какие дебри я залез — делаю лучшее цветовое пространство для цветокоррекции видео...
#скоро
Экспериментирую с новым цветовым пространством
Добавил в него контроль аналоговой нелинейности и теперь можно парой-тройкой ползунков накручивать вообще без усилий такое.
#скоро
Добавил в него контроль аналоговой нелинейности и теперь можно парой-тройкой ползунков накручивать вообще без усилий такое.
#скоро
«Майню» коэффициенты нового цветового пространства
У OKLab STRESS-метрика равна 47.46. У меня получаются величины за шесть часов поиска в районе 45.9 ...47.8. Чем меньше величина, тем лучше. Т.е. как минимум на 1.5% улучшение есть.
Метрика показывает, насколько хорошо цветовое пространство учитывает особенности восприятия цвета людьми. Ее сделали на основе датасета COMBVD. Это сводные значения измерений того, как люди оценивали разницу между двумя рандомными цветами.
Лучшие модели на сегодня дают величины:
Helmlab 22.73
CIE DE2000 29.18
CAM16-UСS 33.90
CIE Lab ΔE76 42.89
В моей модели это тупое расстояние между двумя цветами в 3D-пространстве.
Но в этих моделях десятки умножений и вызовы мат функций. А у меня структура простая — пара десятков умножений и несколько вызовов функций. Минимум из возможного.
Мой код поиска ищет коэффициенты на основе моделей оценки разницы между цветами: CAM16-UCS, Hellwig 2022, OKLab, ZCAM, датасетов COMBVD и MacAdam 1974. Смешано в пропорции, чтобы давать разнообразие. Используются методы поиска Nelder-Mead и L-BFGS-B. Результат буду сравнивать визуально на моем калиброванном мониторе и выбирать лучшие из лучших.
Ух, аж самому страшно называть эти слова, но надо чтобы модель была не просто хорошей, а на уровне «фирменных», признанных во всем мире. Поэтому пришлось углубиться в тяжелую математику уровня аспирантуры.
Моя модель оптимизирована под просмотр в условиях 100 nits, Dim-освещение. Т.е. под цветокоррекцию видео. OKLab разрабатывалась под офисные условия sRGB.
Почему OKLab в сравнении? Это одно из самых простых пространств, дающих визуальную равномерность, правда не без проблем с цветом в областях теней и синих оттенков. Поэтому оно меня не устраивает. А нужна скорость и качество одновременно.
#скоро
У OKLab STRESS-метрика равна 47.46. У меня получаются величины за шесть часов поиска в районе 45.9 ...47.8. Чем меньше величина, тем лучше. Т.е. как минимум на 1.5% улучшение есть.
Метрика показывает, насколько хорошо цветовое пространство учитывает особенности восприятия цвета людьми. Ее сделали на основе датасета COMBVD. Это сводные значения измерений того, как люди оценивали разницу между двумя рандомными цветами.
Лучшие модели на сегодня дают величины:
Helmlab 22.73
CIE DE2000 29.18
CAM16-UСS 33.90
CIE Lab ΔE76 42.89
В моей модели это тупое расстояние между двумя цветами в 3D-пространстве.
Но в этих моделях десятки умножений и вызовы мат функций. А у меня структура простая — пара десятков умножений и несколько вызовов функций. Минимум из возможного.
Мой код поиска ищет коэффициенты на основе моделей оценки разницы между цветами: CAM16-UCS, Hellwig 2022, OKLab, ZCAM, датасетов COMBVD и MacAdam 1974. Смешано в пропорции, чтобы давать разнообразие. Используются методы поиска Nelder-Mead и L-BFGS-B. Результат буду сравнивать визуально на моем калиброванном мониторе и выбирать лучшие из лучших.
Ух, аж самому страшно называть эти слова, но надо чтобы модель была не просто хорошей, а на уровне «фирменных», признанных во всем мире. Поэтому пришлось углубиться в тяжелую математику уровня аспирантуры.
Моя модель оптимизирована под просмотр в условиях 100 nits, Dim-освещение. Т.е. под цветокоррекцию видео. OKLab разрабатывалась под офисные условия sRGB.
Почему OKLab в сравнении? Это одно из самых простых пространств, дающих визуальную равномерность, правда не без проблем с цветом в областях теней и синих оттенков. Поэтому оно меня не устраивает. А нужна скорость и качество одновременно.
#скоро
Найдено 45.29!
На 2% лучше чем у OKLab.
Снизу на изображении неравномерности из-за того что изображение в Rec.709. Это выход за гамут.
Продолжаю поиск минимального отклонения от человеческого зрения
Upd. Найдено 44.01 (на 3.45% лучше OKLab и на 1.1% отличается от метрики по ΔE76).
#скоро
На 2% лучше чем у OKLab.
Снизу на изображении неравномерности из-за того что изображение в Rec.709. Это выход за гамут.
Продолжаю поиск минимального отклонения от человеческого зрения
Upd. Найдено 44.01 (на 3.45% лучше OKLab и на 1.1% отличается от метрики по ΔE76).
#скоро
Почти готово! Первый вариант коэффициентов выбран
После всех оптимизаций мат модель получилась с метрикой 39.69, что находится между CAM16-UСS и CIE Lab ΔE76.
И то, к чему я стремился, на скриншотах. Стандартное повышение насыщенности на 100% и эквивалентное повышение в моем цветовом пространстве.
Обратите внимание, что желтый цвет больше не улетает в грязно-зеленый, как можно наблюдать на HSV/HSL/OKLab. Также интересно улучшился цвет кожи и зелень.
#скоро
После всех оптимизаций мат модель получилась с метрикой 39.69, что находится между CAM16-UСS и CIE Lab ΔE76.
И то, к чему я стремился, на скриншотах. Стандартное повышение насыщенности на 100% и эквивалентное повышение в моем цветовом пространстве.
Обратите внимание, что желтый цвет больше не улетает в грязно-зеленый, как можно наблюдать на HSV/HSL/OKLab. Также интересно улучшился цвет кожи и зелень.
#скоро
Промерял все топ перцептивно-линейные цветовые пространства, чтобы понять, чего добиваться
Первая найденная модель с метрикой 39.69 оказалась немного неудачной, она краснит и убрать это сложно.
В остальном ее параметры на уровне. Я буду искать другие модели. Пока усовершенствовал в эти дни тестовые скрипты. Заодно понял, по каким критериям качества надо смотреть и как смотреть.
#скоро
Первая найденная модель с метрикой 39.69 оказалась немного неудачной, она краснит и убрать это сложно.
В остальном ее параметры на уровне. Я буду искать другие модели. Пока усовершенствовал в эти дни тестовые скрипты. Заодно понял, по каким критериям качества надо смотреть и как смотреть.
#скоро