最近常遇到很多客戶問我照片上傳到網路的問題,想說也可能是大家的問題,於是分享一些站在攝影師工作的看法,純屬個人經驗,若有錯誤,懇請大家多多包涵,歡迎指正
-
首先,攝影師說的照片“大小”,可能有兩種意思:
一,照片像素大小或者叫做尺寸大小,常見的表達方式是:3000X2000或者1800X1200,單位pixels。簡單說,就是多少畫素的意思。
二,照片檔案大小,常見的表達方式是:3MB,5MB,單位MB。簡單地説,就是照片的儲存大小,佔掉多少記憶體的意思。
-
就我目前使用的軟體而言,轉檔上,可以同時限制上述兩者,例如照片寬度統一為3000 pixels,以及儲存大小不要超過5MB。
-
很多系統商的模組官網,都有一些限制的上傳規定,例如一張照片不能超過多少MB等等,目的是希望消費者在使用的時候,可以快速地瀏覽照片,不至於塞車。
有一些網站會自動壓縮到上傳規定的儲存大小,有一些網站不會直接壓縮,會直接拒絕接受上傳。
-
也有限制像素大小的,例如商品呈現為750X750,有一些網站會按照比例自動壓縮到適合的像素大小,有一些則不會。
網站甚至會提供“最適”大小的數據,我認為,所謂最適,並不是照片在網路上呈現的最美,最精緻程度,而是你不需要透過網站自動化壓縮即可成功上傳。
-
基本上大部分的網路平台,例如臉書和IG,都會自動壓縮照片品質,無論是照片大小尺寸和顏色,都會經過壓縮而改變。
除非是一些特殊網站,可以保留照片原始大小和顏色,大部分上傳到網路的照片,都會壓縮。照片也會因為廠商的裁切,畫質變差(本體看似放大了,但是畫質也犧牲了)
-
所以照片和商品的清晰程度,主要還是因為拍照當時的情況所決定的,例如打光好壞凸顯商品質感,彩妝光澤的修容,修圖細緻的優劣所影響,前期如果沒有做好,後期的轉檔設定&上傳設定,都不會讓照片變得更精緻。
-
PS. 站在攝影師修圖的角度,我們最無奈的是,很多片子精修讓毛細孔一一呈現,不會像是塑膠,但可惜大眾平台都無法清楚呈現這些細節,就像我上傳的最後一張,我在電腦上清晰可見,上傳到IG就....顆顆!只能這樣笑了
#攝影師 #直播 #fashion #網美 #模特兒 #photographer #model #love #業配 #jet1028photographer #makeup #hair #retouching #pazzo #meierq #mercci22 #lovfee #editorial #vogue #marieclaire #bazaar #elle #攝影棚 #場地出租 #商業攝影 #網拍 #網紅 #阿中 #飾品 #accessory
同時也有2部Youtube影片,追蹤數超過16萬的網紅我是賴瑞 /iamLarrie,也在其Youtube影片中提到,2020/11/12更新狀態 Google發布消息,免費無限容量相簿只能用到2021/6/1 在此之前上傳的照片將不受影響 2021/6/1開始上傳之照片將會計入免費但限量15GB的雲端空間 (以上服務Google手機上傳的將不受影響) Google相簿網頁版:https://photos.go...
「壓縮檔案大小沒變」的推薦目錄:
- 關於壓縮檔案大小沒變 在 攝影師阿中 陳郁中 Jet Facebook 的最佳貼文
- 關於壓縮檔案大小沒變 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
- 關於壓縮檔案大小沒變 在 Facebook 的最佳解答
- 關於壓縮檔案大小沒變 在 我是賴瑞 /iamLarrie Youtube 的最讚貼文
- 關於壓縮檔案大小沒變 在 Shaun&Nick Youtube 的最佳解答
- 關於壓縮檔案大小沒變 在 [請問] 壓縮大量檔案用什麼軟體好? - 看板EZsoft 的評價
- 關於壓縮檔案大小沒變 在 影片壓縮後檔案大小幾乎沒變(第2頁) - Mobile01 的評價
- 關於壓縮檔案大小沒變 在 mac壓縮檔案沒有變小在PTT/Dcard完整相關資訊 的評價
- 關於壓縮檔案大小沒變 在 mac壓縮檔案沒有變小在PTT/Dcard完整相關資訊 的評價
壓縮檔案大小沒變 在 台灣物聯網實驗室 IOT Labs Facebook 的精選貼文
迎接終端AI新時代:讓運算更靠近資料所在
作者 : Andrew Brown,Strategy Analytics
2021-03-03
資料/數據(data)成長的速度越來越快。據估計,人類目前每秒產出1.7Mb的資料。智慧與個人裝置如智慧型手機、平板電腦與穿戴式裝置不但快速成長,現在我們也真正目睹物聯網(IoT)的成長,未來連網的裝置數量將遠遠超越地球的人口。
這包括種類繁多的不同裝置,像是智慧感測器與致動器,它們可以監控從震動、語音到視覺等所有的東西,以及幾乎大家可以想像到的所有東西。這些裝置無所不在,從工廠所在位置到監控攝影機、智慧手錶、智慧家庭以及自主性越來越高的車輛。隨著我們企圖測量生活週遭數位世界中更多的事物,它們的數量將持續爆炸性成長。
資料爆量成長,讓許多企業把資料從內部部署運作移到雲端。儘管集中到雲端運算的性質,在成本與資源效率、彈性與便利性有它的優點,但也有一些缺點。由於運算與儲存在遠端進行,來自終端、也就是那些在網路最邊緣裝置的資料,需要從起始點經過網際網路或其他網路,來到集中式的資料中心(例如雲端),然後在這裡處理與儲存,最後再傳回給用戶。
對於一些傳統的應用,這種方式雖然還可以接受,但越來越多的使用場景就是無法承受終端與雲端之間,資訊被接力傳遞產生的延遲。我們必須即時做出決策,網路延遲要越小越好。基於這些原因,開始有人轉向終端運算;越來越多人轉而使用智慧終端,而去中心化的程度也越來越高。此外,在這些即時應用中產生的龐大資料量,意味著處理與智慧必須在本地以分散的方式進行。
與資料成長連袂而來的,是人工智慧與機器學習(ML)也朝終端移動,並且越來越朝終端本身移動。大量來自真實世界的資訊,需要用ML的方式來進行詮釋與採取行動。透過AI與ML,是以最小的延遲分析影像、動作、影片或數量龐大的資料,唯一可行且合乎成本效益的方式。運用AI與ML的演算法與應用將在邊緣運作,在未來還將會直接在終端裝置上進行。
資料正在帶動從集中化到分散化的轉變
隨著資訊科技市場逐漸發展與成熟,網路的設計以及在其運作的所有裝置,也都跟著進化。全盛時期從服務數千個小型客戶端的主機,一直到客戶端伺服器模型中使用的越來越本地化的個人電腦運算效能,基礎架構持續重組與最佳化,以便更貼近網路上的裝置以及符合運作應用的需求。這些需求包含檔案存取與資料儲存,以及資料處理的需求。
智慧型手機與其他行動裝置的爆炸性成長,加上物聯網的快速成長,促使我們需要為如何讓資產進行最佳的部署與安排進行評估。而影響這個評估的因素,包括網路的可用性、安全性、裝置的運算力,以及把資料從終端傳送到儲存設備的相關費用,近來也已轉向使用分散式的運算模型。
從邊緣到終端:AI與ML改變終端典範
在成本、資源效率、彈性與便利性等方面,雲端有它的優點,裝置數量的急遽增加(如圖2),將導致資料產出量大幅增加。這些資料大部份都相當複雜且非結構化的,這也是為何企業只會分析1%~12% 的資料的原因之一。把大量非結構化的資料送到雲端的費用相當高、容易形成瓶頸,而且從能源、頻寬與運算力角度來看,相當沒有效率。
在終端執行進階處理與分析的能力,可協助為關鍵應用降低延遲、減少對雲端的依賴,並且更好地管理物聯網產出的巨量資料。
終端AI:感測、推論與行動
在終端部署更多智慧的主要原因之一,是為了創造更大的敏捷性。終端裝置處於網路的最邊緣與資料產生的地方,可以更快與更準確地做出回應,同時免除不必要的資料傳輸、延遲與資料移動中的安全風險,可以節省費用。
處理能力與神經網路的重大進展,正協助帶動終端裝置的新能力,另一股驅動力則是對即時資訊、效率(傳送較少的資訊到雲端)、自動化與在多數情況下,對近乎即時回應的需求。這是一個三道步驟的程序:傳送資料、資料推論(例如依據機器學習辨識影像、聲音或動作),以及採取行動(如物件是披薩,冰箱的壓縮機發出正常範圍外的聲音,因此發出警告)。
感測
處理器、微控制器與感測器產生的資料量相當龐大。例如,自駕車每小時要搜集25GB的資料。智慧家庭裝置、智慧牙刷、健身追蹤器或智慧手錶持續進化,並且與以往相比,會搜集更多的資料。
它們搜集到的資料極具價值,但每次都從各個終端節點把資料推回給雲端,數量又會過多。因此必須在終端進行處理。倘若部份的作業負載能在終端本身進行,就可以大幅提升效率。
推論
終端搜集到的資料是非結構性的。當機器學習從資料擷取到關聯性時,就是在進行推論。這表示使用AI與ML工具來幫忙訓練裝置辨識物件。拜神經網路的進展之賜,機器學習工具越來越能訓練物件以高度的精準度辨識影像、聲音與動作,這對體積越來越小的裝置,極為關鍵。
例如,圖4顯示使用像ONNX、PyTorch、Caffe2、Arm NN或 Tensorflow Lite 等神經網路工具,訓練高效能的意法半導體(ST)微控制器(MCU),以轉換成最佳化的程式碼,讓MCU進行物件辨識(這個的情況辨識對象是影像、聲音或動作)。更高效能的MCU越來越常利用這些ML工具來辨識動作、音訊或影像,而且準確度相當高,而我們接下來馬上就要對此進行檢視。這些動作越來越頻繁地從邊緣,轉移到在終端運作的MCU本身。
行動
資料一旦完成感測與推論後,結果就是行動。這有可能是回饋簡單的回應(裝置是開啟或關閉),或針對應用情況進行最佳化(戴耳機的人正在移動中,因此會針對穩定度而非音質進行最佳化),或是回饋迴路(根據裝置訓練取得的機器學習,輸送帶若發出聲音,顯示它可能歪掉了)。物聯網裝置將會變得更複雜且更具智慧,因為這些能力提升後,運算力也會因此增加。在我們使用新的機器學習工具後,一些之前在雲端或終端完成的關鍵功能,將可以移到終端本身的內部進行。
終端 AI:千里之行始於足下
從智慧型手機到車輛,今日所有電子裝置的核心都是許多的處理器、微控制器與感測器。它們執行各種任務,從最簡單到最複雜,並需要各式各樣的能力。例如,應用處理器是高階處理器,它們是為行動運算、智慧型手機與伺服器設計;即時處理器是為例如硬碟控制、汽車動力傳動系統,與無線通訊的基頻控制使用的非常高效能的處理器,至於微控制器處理器的矽晶圓面積則小了許多,能源效率也高出很多,同時擁有特定的功能。
這意味著利用ML工具訓練如MCU等較不複雜元件來執行的動作,之前必須透過威力更強大的元件才能完成,但現在邊緣與雲端則是理想的場所。這將讓較小型的裝置以更低的延遲執行更多種類的功能,例如智慧手錶、健康追蹤器或健康照護監控等穿戴式裝置。
隨著更多功能在較小型的終端進行,這將可以省下資源,包括資料傳輸費用與能源費用,同時也會產生極大的環境衝擊,特別是考量到全球目前已有超過200億台連網裝置,以及超過2,500億顆MCU(根據Strategy Analytics統計數據)。
TinyML、MCU與人工智慧
根據Google的TesnsorFlow 技術主管、同時也是深度學習與TinyML領域的指標人物 Pete Warden 表示:「令人相當興奮的是,我還不知道我們將如何使用這些全新的裝置,特別是它們後面代表的科技是如此的吸引人,我無法想像那些即將出現的全新應用。」
微型機器學習(TinyML)的崛起,已經催化嵌入式系統與機器學習結合,而兩者傳統上大多是獨立運作的。TinyML 捨棄在雲端上運作複雜的機器學習模型,過程包含在終端裝置內與微控制器上運作經過最佳化的模式識別模型,耗電量只有數毫瓦。
物聯網環境中有數十億個微型裝置,可以為各個產業提供更多的洞察與效率,包括消費、醫療、汽車與工業。TinyML 獲得 Arm、Google、Qualcomm、Arduino等業者的支持,可望改變我們處理物聯網資料的方式。
受惠於TinyML,微控制器搭配AI已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識(例如自然語言處理)、影像處理(例如物件辨識與識別),以及動作(例如震動、溫度波動等)。啟用這些功能後,準確度與安全性更高,但電池的續航力卻不會打折扣,同時也考量到各種更微妙的應用。
儘管之前提到的雲端神經網路框架工具,是取用這個公用程式最常用的方法,但把AI函式庫整合進MCU,然後把本地的AI訓練與分析能力插入程式碼中也是可行的。這讓開發人員依據從感測器、麥克風與其他終端嵌入式裝置取得的訊號導出資料模式,然後從中建立模型,例如預測性維護能力。
如Arm Cortex-M55處理器與Ethos U55微神經處理器(microNPU),利用CMSIS-DSP與CMSIS-NN等常見API來簡化程式碼的轉移性,讓MCU與共同處理器緊密耦合以加速AI功能。透過推論工具在低成本的MCU上實現AI功能並符合嵌入式設計需求極為重要,原因是具有AI功能的MCU有機會在各種物聯網應用中轉變裝置的設計。
AI在較小型、低耗電與記憶體受限的裝置中可以協助的關鍵功能,我們可以把其精華歸納至我們簡稱為「3V」的三大領域:語音(Voice,如自然語言處理)、視覺(Vision,如影像處理)以及震動(Vibration,如處理來自多種感測器的資料,包括從加速計到溫度感測器,或是來自馬達的電氣訊號)。
終端智慧對「3V」至關重要
多數的物聯網應用聚焦在一些特定的領域:基本控制(開/關)、測量(狀態、溫度、流量、噪音與震動、濕度等)、資產的狀況(所在地點以及狀況如何?),以及安全性功能、自動化、預測性維護以及遠端遙控(詳見圖 6)。
Strategy Analytics的研究顯示,許多已經完成部署或將要部署的物聯網B2B應用,仍然只需要相對簡單的指令,如基本的開/關,以及對設備與環境狀態的監控。在消費性物聯網領域中,智慧音箱的語音控制AI已經出現爆炸性成長,成為智慧家庭指令的中樞,包括智慧插座、智慧照明、智慧攝影機、智慧門鈴,以及智慧恆溫器等。消費性裝置如藍牙耳機現在已經具備情境感知功能,可以依據地點與環境,在音質優先與穩定度優先之間自動切換。
如同我們檢視的結果,終端AI可以在「3V」核心領域提供價值,而它觸及的許多物聯網領域,遍及B2B與B2C的應用:
震動:包含來自多種感測器資料的處理,從加速計感測器到溫度感測器,或來自馬達的電氣訊號。
視覺:影像與影片辨識;分析與識別靜止影像或影片內物件的能力。
語音:包括自然語言處理(NLP)、瞭解人類口中說出與寫出的語言的能力,以及使用人類語言與人類交談的能力-自然語言產生(NLG)。
垂直市場中有多種可以實作AI技術的使用場景:
震動
可以用來把智慧帶進MCU中的終端AI的進展,有各式各樣的不同應用領域,對於成本與物聯網裝置與應用的效用,都會帶來衝擊。這包括我們在圖6中點出的數個關鍵物聯網應用領域,包括:
溫度監控;
壓力監控;
溼度監控;
物理動作,包括滑倒與跌倒偵測;
物質檢測(漏水、瓦斯漏氣等) ;
磁通量(如鄰近感測器與流量監控) ;
感測器融合(見圖7);
電場變化。
一如我們將在使用場景單元中檢視的,這些能力有許多可以應用在各種被普遍部署的物聯網應用中。
語音
語音是進化的產物,也是人類溝通非常有效率的方式。因此我們常常想要用語音來對機器下指令,也不令人意外;聲音檢測是持續成長的類別。語音啟動在智慧家庭應用中很常見,例如智慧音箱,而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞,如電視、遊戲主機與其他新的電器。
在工業環境中,供車床、銑床與磨床等電腦數值控制(CNC)機器使用的電腦語音引擎正方興未艾。iTSpeex的ATHENA4是第一批專為這些產品設計的語音啟動作業系統。這些產品往往因為安全原因,有離線語音處理的需求,因此終端 AI 語音發展在這裡也創造出有趣的機會。用戶可以指示機器執行特定的運作,並從機器手冊與工廠文件,立即取用資訊。
語音整合在車輛中也相當關鍵。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統,進行大量投資。語音有潛力成為最安全的輸入模式,因為它可以讓駕駛的眼睛持續盯著道路,而雙手仍持續握著方向盤。
對於使用觸控螢幕或硬體控制器通常需要多道步驟的複雜任務,語音辨識系統特別能勝任。這些任務包括輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集,以及選擇廣播電台頻道。其他的服務包含如拋錨服務(或bCall)與禮賓服務。
視覺
正如我們之前已經檢視過,終端 AI 提供視覺領域全新的機會,特別是與物件檢測及辨識相關。這可能包括觀察生產線的製造瑕疵,以及找出自動販賣機需要補貨的庫存。其他實例包括農業應用,例如依據大小與品質為農產品分級。
曳引機裝上機器視覺攝影機後,我們幾乎可以即時檢測出雜草。雜草冒出後,AI可以分類雜草並估算它對農產收穫的潛在威脅。這讓農民可以鎖定特定的雜草,並打造客製的除草解決方案。機器視覺然後可以檢測除草劑的效用,並找出農地中仍具抗藥性的殘餘雜草。
使用場景
預測性維護工具已經從擷取與比較震動的量測資料,進化到提出即時的資產監控。藉由連接物聯網感測器裝置與維護軟體,我們也可能做到遠端監控。
震動分析
這種類型的預測性維護在旋轉型機器密集的製造工廠裡,相當常見。震動分析可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。例如,把震動計量器接上靠近選煤廠離心泵浦內部承軸處,就可以讓工程師建立起正常震動範圍的基線。超出這個範圍的震動,可能顯示滾珠軸承出現鬆動,需要更換。
磁感測器融合
磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器,測量液面的高低。所有的這些應用都使用一個固定面上的磁感測器,它與附近平面的磁鐵一起作動,與這個磁鐵相對應的感測器也會移動。
聲學分析(聲音)
與震動分析相似,聲測方位分析也是供潤滑技師使用,主要是專注在主動採取潤滑措施。這意味我們可以避免移動設備時產生的過度磨損,否則會為了修理造成代價高昂的停機。實際的例子可能包括測量輸送皮帶的承軸狀況。出現過度磨損時,承軸會因為潤滑不足或錯位出現故障,可能造成整個生產流程的中斷。
聲學分析(超音波)
聲音聲學分析雖然可以用來進行主動與預測性維護,超音波聲學分析卻只能用於預測性維護。它可以在超音波範圍內找出與機器摩擦及壓力相關的聲音,並使用在會發出較細微聲音的電氣設備與機器設備。我們可以說這一類型的分析與震動或油量分析相比,更可以預測即將出現的故障。目前它部署起來比其他種類的預防性維護花費較高,但終端 AI 的進展可以促成這種細微層級的聲學檢測,大幅降低部署的費用。
熱顯影
熱顯影利用紅外線影像來監控互動機器零件的溫度,讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置,可以長期檢測微細的變化。與其他對事故敏感的監視器一樣,它們會觸發排程系統,自動採取適當的行動來預防零件故障。
消費者與智慧家庭
將語音運用在消費者與智慧家庭,是最常看到的場景之一。這包括智慧型手機與平板電腦上、未包含電話整合功能的裝置,例如螢幕尺寸有限的穿戴式裝置。這類型的裝置包含智慧手錶與健康穿戴式裝置,可以為各種功能提供免動手的語音啟動。像 Amazon 的 Echo 或 Google 的 Home 等智慧音箱市場的成長,說明消費者對於可接收與提供語音互動等現有裝置的強勁需求,與日俱增。
消費者基於各種理由使用智慧音箱,最常見的使用場景為:
聽音樂;
控制如照明等智慧家庭裝置;
取得新聞與天氣預報的更新;
建立購物與待辦事項清單。
除了像智慧音箱與智慧電視等消費裝置,智慧家庭裝置語音的使用,也顯現相當的潛力。諸如連網門鈴(如 ring.com)等裝置與連網的煙霧偵測器(例如 Nest Protect 煙霧與一氧化碳警報)目前都已上市可供消費者選購,它們結合了語音與視覺的感測器融合功能以及運動檢測。有了連網的煙霧偵測器,裝置在偵測到煙霧或一氧化碳時,可以發出語音警告。
終端 AI 為強化這些能力提供了全新機會,而且常常結合震動(動作)、視覺與語音控制。例如,增加姿態辨識來控制例如電視等家電,或是把語音控制嵌入白色家電,即是以最低成本強化功能性最直接的方式。
健康照護
用來發現醫護資訊的 AI 驅動終端裝置的應用,將為病況的治療與診斷,提供更多的價值。這種資訊可能是資料,也可能是影像、影片以及說出的話,我們可以透過 AI 進行型態與診斷分析。這些資料將引發全新、更有效的治療方法,為整個產業節省成本。受惠於終端 AI 的進展,像 Google Duplex 等語音系統的複雜性將會降低。例如門診預約等勞力密集的工作,也可以轉換成 AI 活動。利用自然語言語音來延伸 AI 的使用,也可以把 AI 用在第一線的病人診斷,然後再由醫師接手提供諮詢。
其他健康照護實例包括像 Wewalk5 等物件,這是一個供半盲與全盲人員使用的智慧拐杖。它使用感測器來檢測胸口水平以上的物件,並搭配 Google Maps 與 Amazon Alexa 等 app,方便使用者提出問題。
結論
由於連網的終端裝置數量越來越多,這個世界也越來越複雜。連接到網際網路的裝置已經超過 300 億個,而微控制器的數量也超過 2,500 億,每年還會增加約 300 億個。越來越多的程序開始進行自動化,不過,把大量資料傳送到雲端涉及的延遲以及邊緣運算的額外費用,意味著許多全新、令人興奮且引人矚目的物聯網使用場景,可能無法開花結果。
解決這些挑戰的答案,並不是為雲端資料中心持續增添運算力。降低出現在邊緣的延遲雖然會有幫助,但不會解決日益分散的世界的所有挑戰。我們需要把智能應用到基礎架構中。
儘管為終端裝置增添先進的運算能力在十年前仍不可行,TinyML 技術近來的提升,已經讓位處相當邊緣的裝置 (也就是終端本身)增添智能的機會大大改觀。在終端增加運算與人工智慧能力,可以讓我們在源頭搜集到更多更具關聯性與相關的資訊。隨著裝置與資料的數量持續攀升,在源頭掌握情境化與具關聯性的資料,具有極大的價值,並將開啟全新的使用場景與營收機會。
終端裝置的機器學習,可以促成全新的終端 AI 世界。新的應用場景正在崛起,甚至跳過傳送大量資料的需求,因而紓解資料傳輸的瓶頸與延遲,並在各種作業環境中創造全新機會。終端 AI 將為我們開啟一個充滿全新機會與應用場景的世界,其中還有很多我們現在想像不到的機會。
附圖:圖1:從集中式到分散式運算的轉變。
(資料來源:《The End of Cloud Computing》,by Peter Levine,Andreessen Horowitz)
圖2:全球上網裝置安裝量。
(資料來源:Strategy Analytics)
圖3:深度學習流程。
圖4:MCU的視覺、震動與語音。
(資料來源:意法半導體)
圖5:AI 工具集執行模型轉換,以便在MCU上執行經最佳化的神經網路推論。
(資料來源:意法半導體)
圖6:物聯網企業對企業應用的使用-目前與未來。
(資料來源:Strategy Analytics)
圖7:促成情境感知的感測器融合。
(資料來源:恩智浦半導體)
資料來源:https://www.eettaiwan.com/20210303nt31-the-dawn-of-endpoint-ai-bringing-compute-closer-to-data/?fbclid=IwAR0JTRpNsJUl-DmSNpfIcymGQpkQaUgXixEaczwDpELxGCaCeJpkTyoqUtI
壓縮檔案大小沒變 在 Facebook 的最佳解答
【A little bit of everything:Sony A1正式登台】
.
今天Sony A1正式在台灣登場了,建議售價新台幣174980元,是全球最低的售價。現在預購的話,錢在3/9就能變成你喜歡的形狀了(?
.
趁著今天在台灣的發表,來說說一些短短的使用感受。
.
初次上手A1,讓我印象深刻的兩個有關的操作感受,大概是握把的新設計跟EVF的觀看感。
.
Sony A1的握把略深,厚度適中,大概比起A7R4再深一些,長久握持的話,這是很舒適的大小跟深度。我自己的手掌在成年男性算中等,蠻喜歡這樣的設計。
.
EVF部分,這顆944萬像素的電子觀景窗,也提供了高達240fps的更新頻率,觀看起來實在是既精細又敏銳,當年開始拍照的時候實在很難想像EVF能進步到現在這個模樣。
.
短短的發表會上,我自己對A1的速度上比較印象深刻的性能部分,自然是它高達5000萬畫素仍能提供高速的連拍這件事情了。
.
我自己很喜歡A1連拍時完全沒有黑屏的特性,這件事情不止在電子快門時,連使用實體快門在每秒十張的連拍下,一樣也是無黑屏。此外,機械快門的新設計,也讓快門震盪變的非常輕微,聲響也極小。
.
或許有很多玩家認為快門聲音越大越專業,但邁入自動對焦以來,所有位於旗艦的機種,全部致力於削減快門震盪,這點A1做得非常理想。
.
而新設計的快門廉,不只在快門震盪跟聲響有極佳的表現,同時也讓機械快門的閃燈同步提升到1/400秒,打破長年以來單眼相機的閃燈同步天花板;這回使用電子快門,也能讓閃燈觸發,只要燈具能跟的上,高速連拍搭配補光也絕對沒問題。
.
我在貼文留言附上一小段A1高速連拍燈具補光的測試影片,請大家參考(真是辛苦模特兒了阿…
.
我自己對A1印象深刻的小細節還有兩個。一個是能使用HEIF拍攝,這個比起JPEG更進步的壓縮檔案格式,檔案約是JPEG的一半,卻能提供了最高達16bit的色深度,在A1上也能有4:2:0與4:2:2兩種色深可選。
.
另外一個則是防閃爍的拍攝,A1還能自選閃爍頻率,面對各種燈具都能即時調整。
.
錄影的話在短短時間內不好測試,大概要留待日後了。
.
還記得A1發表前那句話嗎? "The one never seen"
.
挾著當今世上科技的大成、盡可能作到妥善、盡可能地達到穩定、展現這些堆砌規格出來的強大,這樣一台機器,就是現在我們見到的Sony A1。一台既是旗艦,又是一台我們從未見過的旗艦。
.
從未見過的強大,兼具動態錄影與靜態照片,二合為一的強大。
.
我喜歡世界上所有能拍照的器具,喜歡著那種能隨意帶出門的器材。同時,我也對無與倫比的速度跟強悍著迷。
.
所以是的,喜歡器材的我,應當也要為Sony A1瘋狂。
.
貼文的照片附上了Sony A1的重點規格,供大家參考,大家不妨來說說對A1,或者對於這樣強悍器材的期許是什麼吧?
.
.
.
●Instagram @euyoung
http://bit.ly/2Npe33Z
壓縮檔案大小沒變 在 我是賴瑞 /iamLarrie Youtube 的最讚貼文
2020/11/12更新狀態
Google發布消息,免費無限容量相簿只能用到2021/6/1
在此之前上傳的照片將不受影響
2021/6/1開始上傳之照片將會計入免費但限量15GB的雲端空間
(以上服務Google手機上傳的將不受影響)
Google相簿網頁版:https://photos.google.com/
降級iCloud儲存空間:https://support.apple.com/zh-tw/HT207594
**影片資訊備註**
1.上傳至Google相簿『原尺寸』的照片檔案大小是會被略為壓縮,但是圖片照片如果沒有要輸出,是不會有太大的差異
2.Live Photo上傳之後再下載會變成一小段影片
#google相簿 #iphone11 #iphone11pro #iphone11promax #google
===========================
➯賴瑞的社群網站
Instagram:iamlarrie (https://bit.ly/2VxzYGf)
Youtube:訂閱賴瑞(https://bit.ly/2SBcyOn)
Facebook:我是賴瑞/ (https://bit.ly/2WYqOCx)
===========================
➯賴瑞系列影片:
賴瑞『好物推薦』:https://bit.ly/2RavDul
賴瑞『講耳機』:https://bit.ly/2Qp1L7Z
賴瑞『好友來作客』:https://bit.ly/2RsK3Fv
賴瑞『生活』:https://bit.ly/2s8EnCf
===========================
攝影:Canon M50 / DJI Osmo Pocket
剪輯:Final Cut Pro
音樂:付費音樂網站Artlist
付費註冊免費多送2個月:https://bit.ly/2XvKVJ5
➯歡迎合作
iamlarrie123@gmail.com
壓縮檔案大小沒變 在 Shaun&Nick Youtube 的最佳解答
以BB為原型製作出的『Alter Ego』的其中之一。
她是愛憎的『Alter Ego』。
也是擁有超大胸部和兇惡的巨爪,讓人印象深刻的少女。
雖然不喜歡戰鬥,但由於被虐體質的技能會令自身遭到襲擊,因此不得不進行反擊。
在『Alter Ego』之中也是數一數二的力量型角色。
曾經,是將對手包裹、擰斷、直到內心覺得其被獨占為止的盲目追求愛的化身……
但如今,因為某次相遇,她改過自新,認為一方面的求愛並不是好事。
同時小心地不讓自己持有的凶器波及周邊人,成長成了一個雖然膽小畏縮但心地善良的AI。
身高/體重:156cm·1t
出典:『Fate/EXTRA CCC』
地域:SE.RA.PH
屬性:秩序·中庸 性別:女性
「一、一噸,是和通信時所消耗的負荷類似的東西,所以並不是實際的體重!」
性格內向、專一、太過死心眼。
有著一旦發現什麼無法順利去做的事情,就會因對方(周圍)的緣故而躲在殼裡出不來的壞習慣。
在CCC裡……由於其太死心眼,導致自己不能主動接近對方……然後就發揮出了跟踪狂的本領。在認識到自己的過錯與缺點之後,就開始減少跟踪狂的性質,並以“規規矩矩地努力,好好地變得親密”為目標。
不過懶惰(有了理由就會偷懶不工作)的性格仍是沒有改變,本人也知道者是一個壞習慣,因此正在為了改正而努力著。
〇認知障礙:
她無法正確認知自己雙手的形態。
“大腦”將自身醜陋的姿態
在腦內轉換成為了極其普通的少女的手臂。
所以,在她看來,自己的雙手不過是「普通的東西」。
過去的莉普無法理解“為什麼自己會被人們畏懼”,但如今的她已經能夠正確的看待自己的身體,並接受了自己作為怪物的一部分。
『直至死亡將兩人別離』
等級:C 種類:對人寶具 最大捕捉:10人
Brynhild Romantia。
『Alter Ego』們的寶具都是從正規的寶具非法改造出來的,
而本次作為材料的Servant便是《沃爾松格薩迦》登場的女武神—布倫希爾德。
即為了向背叛自己,損害自己名譽的丈夫西各魯德進行複仇,而揮動著的愛恨之槍。
帕森莉普的寶具也有這樣的特性……對他人懷著的愛意越深的話能力就越強……
不過,這是過去的事情了。
她那過去曾呼喚著『直至死亡將兩人分開』的心,如今因為『直至死亡將兩人別離』的心願而改變了。
離別是遲早都會到來的。無論是悲慘的結局還是經歷過的背叛,都無法去否定所愛之物。
「不論會有怎樣的離別,我都永遠相信著,迄今為止的愛都是真實的。」
於是便如莉普所希望的那樣,這股力量成為了保衛所愛之物的力量,而並非憎恨所愛之物的力量。
可謂是純潔無垢,且十分成熟的聖女之力了。
〇高級Servant:A
將復數的神話精髓合成誕生出來的人造Servant。
擁有帕爾瓦蒂(雪山女神)、杜爾迦(難近母)、布倫希爾德的因子。
〇谷間深淵:A
單純的垃圾箱。
是將不必要的數據檔案暫時收納、保管的技能。和回收站是一個意思。
然而帕森莉普的這個回收站圖標,不知為何被設置在了胸部的中心。
簡單來說的話,就是只要是垃圾,無論多少都能儲存進去的虛數空間口袋。
如果是被帕森莉普粉碎的垃圾數據的話,不論多大的容量都能被無限的收納。
雖然乍一看是非常方便的機能,但是被粉碎的垃圾數據是無法恢復的,所以其實是沒意義的技能。
據說,帕森莉普是從將感情填滿在心間,自我崩壞、傷害的少女形像中,獲得這個特殊構造的。
雖然在CCC中,只要墜入這谷間深淵就再也不可能回來,但是在fgo裡,只要是與其定下契約的Master,就可以被立刻救出來。
〇被虐體質:A
帕森莉普的固有技能。
在集體戰鬥中,可以將敵方的敵意(仇恨)集中於自身,將自己成為被攻擊對象的機率提升。
〇壓縮 & 碾碎:EX
固有技能。由『怪力』進化而來的作弊技能。
無論是多麼巨大的容量,只要是“能被手所包住的東西”就可以用爪子進行碾碎,壓縮。
被壓縮的東西雖然大小會變成1厘米單位的立方體,但其質量只能被壓縮到之前的十分之一左右。被壓縮的東西,在這之後會被當作垃圾數據處理。
可壓縮的東西並不局限於比莉普的手掌要小的——只要是她覺得能“用手收納的東西”,都沒問題。
雖然是無視了遠近法則的平面物理干涉,但越是大的物體壓縮的時間越長。是僅存在於電腦空間中的錯覺圖像壓縮技法(Codec)。
莉普進行了破壞特化,如果對方是不能動的物體……地形或是建築的話,甚至能發揮出超出BB之上的破壞力。
不過當Servant及Master作為對手時,他們馬上就會察覺到危險並從莉普的視線範圍中逃離——笨重的莉普就會陷入追不上敵人的困境。
與身為『為了戀愛而戀愛的少女』溶解莉莉絲相對
帕森莉普是『追求愛的少女』。
然而從其外表來看,她並沒有被愛,而是因為無法獲得渴求之物由愛生恨。
愛憎的Alter Ego帕森莉普——雖然她是這樣誕生的,但如今的莉普身上已經看不到這種性質了。
因為其本身就有著純樸的性格,所以在改心後,變得有些接近『BB的原型』少女的性格了。
莉普深知自己是個擁有多麼兇惡,麻煩性能的英靈。
所以她對沒有拋下這樣的自己,願意和自己交流的master,抱有感激之情。
而這份感激也會漸漸化為敬愛與憧憬,甚至到了最後會成為愛的幻想吧。
……但是,對了解自己的出身以及特性的莉普來說,她已經無法再去「天真的渴求愛情」了。
一旦陷入愛河,她就會傷害到這個溫柔的人。
因此,她會一直抱著這份對愛的幻想,在暗處以成為master的力量為目標而努力。
壓縮檔案大小沒變 在 影片壓縮後檔案大小幾乎沒變(第2頁) - Mobile01 的推薦與評價
影片壓縮後檔案大小幾乎沒變- 海綿的話你當然可以壓很大若是水泥塊你就壓不了多少了圖片、影片本身就已經是種結實壓縮檔像水泥塊一樣(在二元樹上很難 ... ... <看更多>
壓縮檔案大小沒變 在 mac壓縮檔案沒有變小在PTT/Dcard完整相關資訊 的推薦與評價
提供mac壓縮檔案沒有變小相關PTT/Dcard文章,想要了解更多Mac 7-Zip、mac解壓軟件、the unarchiver無法解壓縮有關歷史/文化文章或書籍,歡迎來小文青 ... ... <看更多>
壓縮檔案大小沒變 在 [請問] 壓縮大量檔案用什麼軟體好? - 看板EZsoft 的推薦與評價
有好幾十GB的檔案需要壓縮然後上傳到網路硬碟
壓縮比率不重要,只是要把檔案弄成壓縮檔設定密碼後再上傳
且希望檔案不會損壞,因為是珍貴的影片希望能保留原來的畫質
目前是用7zip,但壓縮的速度有點慢
不知道有其他軟體適合嗎?
感謝。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.229.47.34
※ 文章網址: https://www.ptt.cc/bbs/EZsoft/M.1460395040.A.B1F.html
... <看更多>