AI के साथ मिनिएचर इफेक्ट कैसे बनाएं — Magic Eraser
AI फोटो एडिटिंग का उपयोग करके शानदार tilt-shift मिनिएचर और diorama इफेक्ट बनाना सीखें। डेप्थ-ऑफ-फील्ड सिमुलेशन, कलर बूस्टिंग, और स्केल ट्रिक्स पर चरण-दर-चरण गाइड जो वास्तविक दृश्यों को छोटे मॉडल जैसा बनाते हैं।
Product Marketing
समीक्षा द्वारा Magic Eraser Editorial ·
मिनिएचर इफेक्ट — जिसे कभी-कभी tilt-shift फोटोग्राफी या diorama इफेक्ट भी कहा जाता है — वास्तविक दुनिया के दृश्यों की तस्वीरों को ऐसी छवियों में बदल देता है जो छोटे हस्तनिर्मित मॉडलों की तस्वीरों जैसी दिखती हैं। यह तकनीक मानव दृश्य धारणा की एक विशेषता का फायदा उठाती है: जब हम बहुत उथली डेप्थ ऑफ फील्ड वाला दृश्य देखते हैं, तो हमारा मस्तिष्क मान लेता है कि विषय बहुत छोटा और कैमरे के बहुत करीब होना चाहिए। रोजमर्रा के अनुभव में उथली डेप्थ ऑफ फील्ड मैक्रो और क्लोज-अप फोटोग्राफी से संबंधित होती है। चयनात्मक ब्लर, संतृप्त रंग, और कंट्रास्ट समायोजन लागू करके जो क्लोज-अप मॉडल फोटोग्राफी की नकल करते हैं, हम दर्शक को यह विश्वास दिलाते हैं कि एक पूर्ण आकार का शहर, निर्माण स्थल, या बंदरगाह एक बारीकी से तैयार किया गया टेबलटॉप diorama है।
पारंपरिक tilt-shift फोटोग्राफी के लिए विशेष लेंस की आवश्यकता होती है जो सेंसर के सापेक्ष फोकल प्लेन को भौतिक रूप से झुकाते हैं, जिससे सामान्य समानांतर प्लेन के बजाय फोकस का एक वेज-आकार का जोन बनता है। इन लेंसों की कीमत एक हजार से दो हजार डॉलर के बीच होती है और ये सीमित लचीलापन प्रदान करते हैं। ब्लर ग्रेजुएशन लेंस के ऑप्टिकल गुणों द्वारा तय होता है, और कैप्चर के बाद इफेक्ट को समायोजित नहीं किया जा सकता। फोटोशॉप-आधारित दृष्टिकोणों ने विशेष लेंसों को डिजिटल ब्लर ग्रेडिएंट से बदल दिया। फोटोशॉप में लीनियर ब्लर मास्क सीन डेप्थ को ध्यान में नहीं रखते, जिससे ऐसे आर्टिफैक्ट उत्पन्न होते हैं जहां अलग-अलग दूरी पर लेकिन एक ही ऊर्ध्वाधर स्थिति में मौजूद वस्तुओं पर अलग-अलग ब्लर मात्रा लागू होती है। पृष्ठभूमि में एक इमारत और अग्रभूमि में एक कार दोनों फ्रेम के केंद्र में हो सकते हैं। इमारत को धुंधला होना चाहिए जबकि कार साफ रहनी चाहिए। लीनियर ग्रेडिएंट यह अंतर नहीं कर सकते।
AI-संचालित मिनिएचर इफेक्ट डेप्थ एस्टीमेशन मॉडल का उपयोग करके लागत और गुणवत्ता दोनों सीमाओं को हल करते हैं जो दृश्य की त्रि-आयामी संरचना को समझते हैं। AI फ्रेम में ऊर्ध्वाधर स्थिति के बजाय कैमरे से वास्तविक दूरी के अनुसार ब्लर लगाता है, जिससे ऐसे परिणाम मिलते हैं जो भौतिक रूप से सही और दृश्य रूप से विश्वसनीय होते हैं। AI-संचालित कलर बूस्ट और डिटेल क्लीनअप के साथ मिलकर, यह वर्कफ़्लो मिनटों में किसी भी उच्च-कोण फोटोग्राफ से पेशेवर मिनिएचर इफेक्ट तैयार करता है। यह गाइड स्रोत फोटो चयन से लेकर अंतिम रिफाइनमेंट तक की पूरी प्रक्रिया को कवर करता है, जिसमें यह भी शामिल है कि इफेक्ट क्यों काम करता है और वे विशिष्ट समायोजन जो एक विश्वसनीय मिनिएचर को स्पष्ट रूप से फ़िल्टर की गई फोटो से अलग करते हैं।
- मिनिएचर भ्रम डेप्थ-ऑफ-फील्ड धारणा का शोषण करता है: अत्यधिक उथला फोकस मस्तिष्क को यह मानने पर मजबूर करता है कि विषय छोटा और करीब है, भले ही दृश्य एक पूर्ण पैमाने का शहर हो।
- AI डेप्थ एस्टीमेशन ऊर्ध्वाधर स्थिति के बजाय वास्तविक दृश्य दूरी के आधार पर ब्लर लागू करता है, एक ही फ्रेम ऊंचाई पर अग्रभूमि वस्तुओं को पृष्ठभूमि संरचनाओं से सही ढंग से अलग करता है।
- बीस से तीस प्रतिशत की रंग संतृप्ति वृद्धि भौतिक मॉडल सतहों पर उपयोग किए जाने वाले जीवंत ऐक्रेलिक और इनेमल पेंट का अनुकरण करती है, जैविक सामग्रियों को निर्मित-दिखने वाली फिनिश में बदल देती है।
- स्केल-प्रकट करने वाले विवरण जैसे पढ़ने योग्य टेक्स्ट, चेहरे की विशेषताएं, वायुमंडलीय धुंध, और मोशन ब्लर को हटाया जाना चाहिए ताकि दर्शक का मस्तिष्क वास्तविक दृश्य आकार की पुनर्गणना न कर सके।
- गर्म रंग तापमान और नरम समान छायाओं के साथ स्टूडियो-शैली की रोशनी भ्रम को पूरा करती है कि दृश्य को एक प्रदर्शन तालिका पर नियंत्रित प्रकाश के तहत इनडोर फोटो खिंचवाया गया था।
मिनिएचर भ्रम के पीछे अवधारणात्मक विज्ञान
मिनिएचर इफेक्ट मानव दृश्य अनुभव में डेप्थ ऑफ फील्ड और विषय दूरी के बीच एक सीखे गए सहसंबंध के कारण काम करता है। डेप्थ ऑफ फील्ड — दूरियों की वह सीमा जो एक छवि में स्वीकार्य रूप से तेज दिखाई देती हैं — विषय आवर्धन से विपरीत रूप से संबंधित होती है। जब आप एक मानक लेंस के साथ तीन मीटर दूर खड़े किसी व्यक्ति की फोटो खींचते हैं, तो दृश्य में लगभग सब कुछ स्वीकार्य रूप से तेज होता है क्योंकि उस दूरी पर डेप्थ ऑफ फील्ड कई मीटर तक फैली होती है। जब आप दस सेंटीमीटर की दूरी से एक टेबल पर सिक्के की फोटो खींचते हैं, तो डेप्थ ऑफ फील्ड मिलीमीटर तक सिकुड़ जाती है। सिक्के का अगला किनारा तेज हो सकता है जबकि पिछला किनारा पहले से ही धुंधला है। यह संबंध रोजमर्रा के दृश्य अनुभव में इतना सुसंगत है कि मस्तिष्क इसे पैमाने के संकेत के रूप में उपयोग करता है: अत्यधिक उथली डेप्थ ऑफ फील्ड एक बहुत छोटे, बहुत करीबी विषय का संकेत देती है।
Tilt-shift मिनिएचर तकनीक इस संकेत को हाईजैक करके एक ऐसे दृश्य पर अत्यधिक उथली डेप्थ ऑफ फील्ड लागू करती है जो वास्तव में बड़ा और दूर है। मस्तिष्क को विरोधाभासी जानकारी मिलती है — सामग्री पूर्ण आकार का शहर कहती है। डेप्थ ऑफ फील्ड छोटा मॉडल कहती है — और अधिकांश दर्शकों में, डेप्थ-ऑफ-फील्ड संकेत कम से कम शुरुआत में जीतता है। दृश्य एक मिनिएचर के रूप में अवधारणात्मक व्याख्या में बदल जाता है। दर्शक पैमाने के भ्रम का एक वास्तविक क्षण अनुभव करता है जो आनंददायक और सौंदर्य की दृष्टि से मजबूत दोनों है। यह अवधारणात्मक पलटाव सबसे मजबूत तब होता है जब अन्य संकेत मिनिएचर व्याख्या के अनुरूप हों: उच्च देखने का कोण, संतृप्त रंग, साफ सतहें, और समान रोशनी। जब विरोधाभासी संकेत मौजूद हों — पढ़ने योग्य टेक्स्ट जो वास्तविक दुनिया के पैमाने को प्रकट करता है, स्पष्ट मानव चेहरे, बड़ी दूरी का संकेत देने वाली मूड धुंध — तो भ्रम कमजोर हो जाता है या विफल हो जाता है।
देखने का कोण महत्वपूर्ण है क्योंकि मनुष्य वास्तविक जीवन में मिनिएचर के साथ कैसे बातचीत करते हैं। मॉडल रेलरोड, आर्किटेक्चरल मॉडल, डॉलहाउस, और diorama लगभग हमेशा ऊपर से देखे जाते हैं, तीस से सत्तर डिग्री के कोण पर नीचे देखते हुए। यह वह कोण है जिस पर टेबलटॉप संदर्भ में वस्तुएं सुलभ और दिखाई देती हैं। सड़क-स्तर की तस्वीरें मिनिएचर के रूप में विफल हो जाती हैं क्योंकि हम टेबलटॉप मॉडल को जमीनी स्तर से नहीं देखते हैं। इसके लिए हमारी आंखों को टेबल की ऊंचाई पर रखना और सतह पर क्षैतिज रूप से देखना आवश्यक होगा। ऊंचा परिप्रेक्ष्य मस्तिष्क को संकेत देता है कि हम अपने नीचे किसी सतह पर कुछ देख रहे हैं। यह एक छोटे मॉडल के अनुरूप है और एक वास्तविक शहर में पैदल यात्री होने के साथ असंगत है। ड्रोन फोटोग्राफी और छत के दृश्य स्वाभाविक रूप से यह ऊंचा परिप्रेक्ष्य प्रदान करते हैं और मिनिएचर इफेक्ट के लिए आदर्श शुरुआती बिंदु हैं।
- डेप्थ ऑफ फील्ड विषय आवर्धन से विपरीत रूप से संबंधित है — उथला फोकस मानव दृश्य प्रणाली को एक छोटे, करीबी विषय का मजबूत संकेत देता है।
- मस्तिष्क विरोधाभासी संकेतों (वास्तविक पैमाने की सामग्री बनाम मिनिएचर डेप्थ ऑफ फील्ड) को कम से कम शुरुआत में डेप्थ-ऑफ-फील्ड व्याख्या पर डिफॉल्ट करके हल करता है।
- तीस से सत्तर डिग्री के उच्च देखने के कोण महत्वपूर्ण हैं क्योंकि वे मेल खाते हैं कि मनुष्य स्वाभाविक रूप से टेबलटॉप diorama और आर्किटेक्चरल मॉडल को कैसे देखते हैं।
- पैमाने का खंडन करने वाले संकेत जैसे पढ़ने योग्य टेक्स्ट, पहचानने योग्य चेहरे, और वायुमंडलीय धुंध को हटाया जाना चाहिए अन्यथा अवधारणात्मक भ्रम टूट जाता है।
अधिकतम मिनिएचर प्रभाव के लिए सही स्रोत फोटो चुनना
हर तस्वीर एक विश्वसनीय मिनिएचर इफेक्ट नहीं बनाती। सही स्रोत सामग्री चुनना किसी भी पोस्ट-प्रोसेसिंग रिफाइनमेंट से अधिक महत्वपूर्ण है। आदर्श स्रोत फोटो में चार गुण होते हैं: एक ऊंचा कैमरा कोण, स्पष्ट छोटे पैमाने की संदर्भ वस्तुएं, अच्छा विषय पृथक्करण, और काफी समान रोशनी। ड्रोन फोटोग्राफी सबसे सुसंगत स्रोत है क्योंकि यह स्वाभाविक रूप से ऊंचाई प्रदान करती है। ऊंची इमारतों, पहाड़ियों, पुलों, और ब्लीचर्स से ली गई तस्वीरें भी अच्छी तरह काम करती हैं। कैमरा क्षैतिज से तीस और साठ डिग्री के बीच के कोण पर दृश्य को नीचे देख रहा होना चाहिए। अधिक तीव्र कोण आमतौर पर बेहतर होता है, लेकिन पूरी तरह से ऊर्ध्वाधर ऊपर-से-नीचे के शॉट त्रि-आयामी गहराई खो देते हैं जो भ्रम को काम करने योग्य बनाती है क्योंकि वे बिना किसी अग्रभूमि-पृष्ठभूमि पृथक्करण के सब कुछ एक सपाट तल में संपीड़ित कर देते हैं।
स्पष्ट संदर्भ वस्तुएं महत्वपूर्ण हैं क्योंकि मिनिएचर भ्रम इस बात पर निर्भर करता है कि दर्शक दृश्य में चीजों का वास्तविक आकार जानता है और फिर उन्हें छोटा मानने के लिए धोखा खाता है। कारें, बसें, लोग, घर, नावें, ट्रेनें, और निर्माण उपकरण उत्कृष्ट हैं क्योंकि हर कोई जानता है कि वे वास्तविकता में कितने बड़े हैं। केवल अमूर्त आकृतियों वाला दृश्य — जमीन का एक यादृच्छिक टुकड़ा, पानी का विस्तार, एक जंगल की छतरी — मिनिएचर इफेक्ट नहीं बनाता क्योंकि दर्शक को पुनः पैमाना सेट करने के लिए कुछ नहीं है। सबसे अच्छे दृश्य अलग-अलग गहराई पर कई अलग-अलग वस्तुओं को जोड़ते हैं: अग्रभूमि में कारें, मध्य दूरी में इमारतें, और पृष्ठभूमि में अधिक वाहन या संरचनाएं, सभी संदर्भ बिंदु प्रदान करते हैं जो हर गहराई तल पर मिनिएचर व्याख्या को मजबूत करते हैं।
विषय पृथक्करण का अर्थ है दृश्य में अलग-अलग वस्तुओं के बीच स्पष्ट दृश्य अंतर। साफ-सुथरी व्यवस्थित कारों से भरा पार्किंग स्थल जहां दिखाई देने वाला फुटपाथ उन्हें अलग करता है, एक घने जंगल की तुलना में बेहतर मिनिएचर बनाता है जहां अलग-अलग पेड़ एक अविभाजित हरे द्रव्यमान में विलीन हो जाते हैं। निर्माण स्थल, अलग-अलग नावों वाले बंदरगाह, अलग-अलग घरों वाले उपनगरीय पड़ोस, और अलग-अलग खिलाड़ी आकृतियों वाले स्पोर्ट्स स्टेडियम — सभी विषय पृथक्करण पर उच्च अंक प्राप्त करते हैं। मिनिएचर भ्रम दर्शक द्वारा छोटी दिखने वाली वस्तुओं की पहचान करने पर निर्भर करता है। यदि वस्तुओं को एक-एक करके पहचाना नहीं जा सकता, तो इफेक्ट बिना किसी अवधारणात्मक पैमाने परिवर्तन के एक साधारण ब्लर फ़िल्टर में बदल जाता है। रोशनी की एकरूपता मायने रखती है क्योंकि वास्तविक मॉडल फोटोग्राफी नियंत्रित स्टूडियो लाइटिंग का उपयोग करती है जो बाहरी सूर्यप्रकाश की कठोर छायाओं और परिवर्तनीय चमक को समाप्त करती है। बादल वाले दिनों या नरम सुबह की रोशनी में ली गई तस्वीरों को पोस्ट-प्रोसेसिंग में कम रोशनी सुधार की आवश्यकता होती है।
- क्षैतिज से तीस से साठ डिग्री के ऊंचे कोण भ्रम के लिए आवश्यक त्रि-आयामी गहराई प्रदान करते हैं, जिसमें अधिक तीव्र कोण आमतौर पर मजबूत प्रभाव उत्पन्न करते हैं।
- पहचानने योग्य वस्तुएं जैसे कारें, लोग, नावें, और इमारतें आवश्यक हैं — वे दर्शक को पैमाने के बदलाव का अनुभव करने के लिए संदर्भ बिंदु देती हैं।
- अच्छा विषय पृथक्करण (विलीन द्रव्यमान के बजाय स्पष्ट अलग-अलग वस्तुएं) दर्शक को छोटी दिखने वाली वस्तुओं की पहचान करने देता है जो मिनिएचर धारणा को संचालित करती हैं।
- बादल या नरम रोशनी को कठोर धूप की तुलना में कम सुधार की आवश्यकता होती है क्योंकि यह पहले से ही मॉडल फोटोग्राफी के लिए उपयोग की जाने वाली समान स्टूडियो रोशनी जैसी होती है।
AI डेप्थ-अवेयर ब्लर बनाम पारंपरिक लीनियर ग्रेडिएंट tilt-shift
फोटोशॉप और अधिकांश फोन ऐप्स में पारंपरिक tilt-shift सिमुलेशन लीनियर ग्रेडिएंट मास्क का उपयोग करके ब्लर लागू करता है — तीखेपन का एक क्षैतिज बैंड जिसके ऊपर और नीचे धीरे-धीरे बढ़ता ब्लर होता है। यह लीनियर दृष्टिकोण ऊपर से देखी गई सड़क जैसे सपाट दृश्यों के लिए स्वीकार्य रूप से काम करता है जहां गहराई फ्रेम में ऊर्ध्वाधर स्थिति के साथ पूरी तरह से सहसंबंधित होती है। लेकिन वास्तविक दुनिया के दृश्य त्रि-आयामी होते हैं, और अलग-अलग गहराई पर मौजूद वस्तुएं अक्सर फोटोग्राफ में एक ही ऊर्ध्वाधर क्षेत्र में होती हैं। पृष्ठभूमि में एक ऊंची इमारत और अग्रभूमि में एक कार दोनों फ्रेम में लंबवत रूप से केंद्रित हो सकती हैं। इमारत पचास मीटर दूर है जबकि कार पांच मीटर दूर है। एक लीनियर ब्लर ग्रेडिएंट उनके साथ समान रूप से व्यवहार करता है, इमारत और कार को समान मात्रा में धुंधला करता है। वास्तविकता में, यदि कार फोकस में है, तो दूर की इमारत भारी धुंधली होनी चाहिए, और इसके विपरीत। यह असंगति पारंपरिक tilt-shift सिमुलेशन की सबसे आम विफलता है।
AI डेप्थ एस्टीमेशन दृश्य का विश्लेषण करके प्रत्येक वस्तु की कैमरे से वास्तविक दूरी निर्धारित करता है, फिर ऊर्ध्वाधर स्थिति के बजाय उस दूरी के अनुपात में ब्लर लागू करता है। AI पहचानता है कि पृष्ठभूमि में इमारत अग्रभूमि में कार से अधिक दूर है, भले ही प्रत्येक फ्रेम में कहां आता है, और प्रत्येक पर सही ब्लर स्तर लागू करता है। यह भौतिक रूप से सही डेप्थ ऑफ फील्ड उत्पन्न करता है जो एक वास्तविक tilt-shift लेंस जो बनाएगा उससे मेल खाता है — या अधिक सटीक रूप से, एक बहुत बड़े एपर्चर लेंस दृश्य में एक विशिष्ट दूरी पर फोकस्ड जो बनाएगा। परिणाम एक ब्लर पैटर्न है जिसे दर्शक की दृश्य प्रणाली पोस्ट-प्रोसेसिंग फ़िल्टर के बजाय वास्तविक ऑप्टिकल ब्लर के रूप में स्वीकार करती है — यह मिनिएचर भ्रम को जांच में टिकाए रखने के लिए महत्वपूर्ण है।
AI डेप्थ मैप तेज और धुंधले क्षेत्रों के बीच अधिक सूक्ष्म संक्रमण भी सक्षम करता है। लीनियर ग्रेडिएंट एक कठोर संक्रमण रेखा बनाते हैं जहां तीखापन अचानक ब्लर को जगह देता है, जो कृत्रिम दिखता है जब यह किसी वस्तु को दो भागों में बांटता है — आधी इमारत फोकस में और आधी धुंधली। AI डेप्थ मैप ऑब्जेक्ट-अवेयर ट्रांज़िशन बनाता है जहां समान गहराई पर संपूर्ण वस्तुएं एक ही फोकस स्तर साझा करती हैं, जिसमें ब्लर ट्रांज़िशन एक ही वस्तु के बीच से होने के बजाय अलग-अलग गहराई पर वस्तुओं के बीच होते हैं। एक इमारत या तो पूरी तरह से फोकस ज़ोन में या पूरी तरह से ब्लर ज़ोन में होती है, जिसमें संक्रमण उसके और अलग-अलग गहराई पर अगली संरचना के बीच के अंतराल में होता है। यह ऑब्जेक्ट सुसंगतता एक सूक्ष्म लेकिन महत्वपूर्ण गुणवत्ता अंतर है जो AI tilt-shift इफेक्ट को ऑप्टिकली प्रामाणिक बनाता है।
- लीनियर ग्रेडिएंट ब्लर एक ही ऊर्ध्वाधर स्थिति पर सभी वस्तुओं के साथ समान रूप से व्यवहार करता है, भले ही कैमरे से उनकी वास्तविक दूरी कुछ भी हो, जिससे भौतिक रूप से असंभव डेप्थ-ऑफ-फील्ड पैटर्न बनते हैं।
- AI डेप्थ एस्टीमेशन प्रत्येक वस्तु की वास्तविक दृश्य दूरी निर्धारित करता है और उस दूरी के अनुपात में ब्लर लागू करता है, जिससे ऑप्टिकली सही उथली डेप्थ ऑफ फील्ड उत्पन्न होती है।
- ऑब्जेक्ट-अवेयर ब्लर ट्रांज़िशन पूरी वस्तुओं को सुसंगत फोकस स्तरों पर रखता है, न कि उन्हें तेज और धुंधले क्षेत्रों के बीच कठोर संक्रमण रेखा से दो भागों में बांटता है।
- भौतिक रूप से सही ब्लर पैटर्न ही दर्शक की दृश्य प्रणाली को इफेक्ट को डिजिटल फ़िल्टर के बजाय वास्तविक ऑप्टिकल ब्लर के रूप में स्वीकार करने में सक्षम बनाता है, जिससे मिनिएचर भ्रम बना रहता है।
रंग और कंट्रास्ट समायोजन जो मॉडल-विश्व रूप को पूरा करते हैं
अकेला ब्लर उथली डेप्थ ऑफ फील्ड बनाता है, लेकिन मिनिएचर भ्रम अपनी पूरी क्षमता तभी पहुंचता है जब रंग और कंट्रास्ट को मिनिएचर दृश्य के वास्तविक स्वरूप से मेल खाने के लिए समायोजित किया जाता है। भौतिक मॉडल और diorama में वास्तविक दुनिया के दृश्यों की तुलना में स्पष्ट रूप से भिन्न रंग और सतह गुण होते हैं क्योंकि वे विभिन्न सामग्रियों से बने होते हैं। असली घास हरे, पीले, भूरे रंगों का एक जटिल मिश्रण है — सूखे ब्लेड जो सामूहिक रूप से एक मंद, परिवर्तनशील हरे रंग की तरह दिखते हैं। मॉडल घास रंगे हुए फाइबर या पेंट किए गए फोम से बनी होती है जो एक समान, जीवंत हरा रंग उत्पन्न करती है। असली ईंट मौसम-प्रभावित, दागदार और रंग में परिवर्तनशील होती है। मॉडल ईंट सुचारू रूप से लगातार रंग के साथ पेंट की जाती है। इन सामग्री अंतरों का मतलब है कि वास्तविक दुनिया के रंग मॉडल-विश्व रंगों की तुलना में अधिक मंद, परिवर्तनशील और असंतृप्त होते हैं, और संतृप्ति को बीस से तीस प्रतिशत बढ़ाना पैलेट को मॉडल सौंदर्य की ओर स्थानांतरित करता है।
कंट्रास्ट समायोजन एक समान उद्देश्य पूरा करते हैं। वास्तविक दुनिया के दृश्य मूड प्रभाव प्रदर्शित करते हैं जो दूरी के साथ कंट्रास्ट को कम करते हैं। दूर की वस्तुएं कैमरे और उनके बीच वायुमंडल में प्रकाश प्रकीर्णन के कारण निकट की वस्तुओं की तुलना में अधिक धुंधली, हल्की और कम संतृप्त दिखाई देती हैं। एक टेबलटॉप diorama में, कैमरे और दृश्य के किसी भी हिस्से के बीच कोई वायुमंडल नहीं होता क्योंकि पूरा मॉडल कुछ मीटर के भीतर समा जाता है। दूर के मॉडल भवनों का कंट्रास्ट और स्पष्टता पास के मॉडल कारों के समान होती है क्योंकि प्रकाश को बिखेरने के लिए कोई वायुमंडल नहीं है। इसका अनुकरण करने के लिए, AI Enhance का उपयोग करके पूरे दृश्य में कंट्रास्ट को समान करें — मूल फोटोग्राफ में धुंधली दिखने वाली दूर की वस्तुओं का कंट्रास्ट बढ़ाएं और अप्राकृतिक रूप से विस्तृत दिखने वाले बहुत करीबी अग्रभूमि तत्वों के कंट्रास्ट को थोड़ा कम करें। लक्ष्य दृश्य की पूरी गहराई में एक समान, वायुमंडल-मुक्त स्पष्टता है।
सतह की गुणवत्ता भी एक निर्मित रूप की ओर स्थानांतरित होती है। वास्तविक बाहरी सतहें — सड़कें, फुटपाथ, भवन के अग्रभाग — गंदगी, दाग, मौसम प्रभाव जमा करती हैं जो उनकी परावर्तकता को कम करते हैं और जटिल, अनियमित बनावट बनाते हैं। मॉडल सतहें ताजा पेंट की हुई और चिकनी होती हैं, जिनमें उच्च स्पेक्युलर परावर्तकता और अधिक समान बनावट होती है। AI Enhance सतहों की स्पष्टता और माइक्रो-कंट्रास्ट बढ़ा सकता है ताकि इस साफ, कठोर, निर्मित गुणवत्ता का अनुकरण किया जा सके। संतृप्त रंगों, गहराई में समान कंट्रास्ट और साफ सतह रेंडरिंग का संयोजन पूर्ण सामग्री भ्रम पैदा करता है कि दृश्य कंक्रीट, वनस्पति और स्टील के बजाय प्लास्टिक, लकड़ी और पेंट से बना है। प्रत्येक समायोजन व्यक्तिगत रूप से सूक्ष्म है, लेकिन उनका संचयी प्रभाव दृश्य प्रभाव को वास्तविक दुनिया के दस्तावेजीकरण से मिनिएचर diorama में बदल देता है।
- वास्तविक सामग्रियों के मंद, परिवर्तनशील रंगों से पेंट की गई मॉडल सतहों के जीवंत, समान रंगों में स्थानांतरित होने के लिए रंग संतृप्ति को बीस से तीस प्रतिशत बढ़ाएं।
- टेबलटॉप diorama फोटोग्राफी में मौजूद न होने वाले वायुमंडलीय धुंध प्रभावों को खत्म करने के लिए दृश्य गहराई में कंट्रास्ट को समान करें।
- भौतिक मॉडल घटकों की साफ, ताजा-पेंट की गई, उच्च-परावर्तकता सतहों का अनुकरण करने के लिए सतह की स्पष्टता और माइक्रो-कंट्रास्ट बढ़ाएं।
- रंग, कंट्रास्ट और सतह समायोजन का संचयी प्रभाव एक सामग्री भ्रम पैदा करता है कि दृश्य कंक्रीट और वनस्पति के बजाय प्लास्टिक और पेंट से बना है।