AI के साथ टिल्ट-शिफ्ट इफेक्ट कैसे बनाएं — Magic Eraser
AI-पावर्ड टिल्ट-शिफ्ट इफेक्ट का उपयोग करके सामान्य फोटो को शानदार लघु दृश्यों में बदलें। चयनात्मक फोकस, कलर ग्रेडिंग और डेप्थ-अवेयर ब्लर के लिए चरण-दर-चरण गाइड जो विश्वसनीय डियोरामा-शैली की छवियां बनाता है।
Content Lead
समीक्षा द्वारा Magic Eraser Editorial ·
टिल्ट-शिफ्ट लघु प्रभाव वास्तविक दुनिया के दृश्यों की सामान्य तस्वीरों को ऐसी छवियों में बदल देता है जो छोटे मॉडल की दुनिया को दर्शाती प्रतीत होती हैं। सड़कें मॉडल रेलवे लेआउट बन जाती हैं, शहर वास्तुशिल्प डियोरामा बन जाते हैं, और समुद्र तट टेबलटॉप सैंडबॉक्स बन जाते हैं। यह प्रभाव इसलिए काम करता है क्योंकि यह बहुत करीबी दूरी पर मैक्रो फोटोग्राफी की ऑप्टिकल विशेषताओं की नकल करता है। डेप्थ ऑफ फील्ड बहुत उथली होती है और दृश्य का केवल एक पतला सा हिस्सा फोकस में रहता है। जब आपका मस्तिष्क इस संकीर्ण तीक्ष्ण फोकस वाली तस्वीर को ऊपर से लिए गए परिप्रेक्ष्य के साथ देखता है, तो यह दृश्य को बड़ा और दूर होने के बजाय छोटा और करीब समझता है, जो लघु भ्रम को ट्रिगर करता है जो टिल्ट-शिफ्ट फोटोग्राफी को सोशल मीडिया पर इतना मनोरम और साझा करने योग्य बनाता है।
पहले इस प्रभाव को प्राप्त करने के लिए एक विशेष टिल्ट-शिफ्ट लेंस की आवश्यकता होती थी जो भौतिक रूप से ऑप्टिकल अक्ष को इमेज सेंसर के सापेक्ष झुकाता है, फोकस के प्लेन को कैमरे के समानांतर होने के बजाय उससे एक कोण पर रखता है। ये लेंस एक हजार से तीन हजार डॉलर के बीच होते हैं और फोकस बैंड को ठीक वहां रखने के लिए सटीक मैनुअल समायोजन की आवश्यकता होती है जहां आप चाहते हैं। सही लेंस के साथ भी, यह प्रभाव केवल ऊंचे शूटिंग स्थानों से ही अच्छा काम करता है, जिसका अर्थ है कि आपको छतों, अवलोकन डेक या ड्रोन प्लेटफार्मों तक भौतिक पहुंच की भी आवश्यकता होती है। महंगे विशेष ग्लास और विशिष्ट वैंटेज पॉइंट आवश्यकताओं के संयोजन ने ऐतिहासिक रूप से टिल्ट-शिफ्ट फोटोग्राफी को समर्पित उत्साही और विशेषज्ञ वास्तुशिल्प फोटोग्राफरों तक सीमित कर दिया है।
AI-पावर्ड टिल्ट-शिफ्ट उपकरण चयनात्मक फोकस प्रभाव की गणनात्मक रूप से नकल करके उपकरण की लागत और तकनीक की अधिकांश आवश्यकता दोनों को समाप्त कर देते हैं। एक साधारण रैखिक ग्रेडिएंट ब्लर लगाने के बजाय — जो कि बुनियादी फोटो एडिटिंग ऐप्स करते हैं और जो ऊंची वस्तुओं पर कठोर ब्लर ट्रांज़िशन के साथ अविश्वसनीय परिणाम उत्पन्न करते हैं — AI डेप्थ एस्टिमेशन एक सीन-अवेयर ब्लर मैप बनाता है जो ऑब्जेक्ट बाउंड्रीज़ का सम्मान करता है और फोकस बैंड के माध्यम से विस्तारित सतहों पर ग्रेजुएटेड ब्लर लागू करता है। पेंट किए गए लघु मॉडलों के जीवंत रूप की नकल करने वाले स्वचालित सैचुरेशन और कंट्रास्ट समायोजन के साथ मिलकर, परिणाम किसी भी उपयुक्त कोण से ली गई तस्वीर से एक विश्वसनीय डियोरामा प्रभाव होता है। यह गाइड AI Filter और AI Enhance का उपयोग करके विशेषज्ञ-गुणवत्ता वाली टिल्ट-शिफ्ट लघु छवियां बनाने की पूरी प्रक्रिया समझाती है।
- AI डेप्थ एस्टिमेशन सीन-अवेयर चयनात्मक ब्लर लागू करता है जो ऑब्जेक्ट बाउंड्रीज़ का सम्मान करता है, सरल ग्रेडिएंट ब्लर फिल्टर द्वारा ऊंची संरचनाओं पर उत्पन्न होने वाले कठोर कटऑफ आर्टिफैक्ट्स से बचाता है।
- छतों, ड्रोन, पहाड़ियों या ऊंची इमारतों से ऊंचे कैमरा कोण सबसे विश्वसनीय लघु भ्रम उत्पन्न करते हैं क्योंकि वे किसी मॉडल या डियोरामा को नीचे से देखने के परिप्रेक्ष्य से मेल खाते हैं।
- बढ़ी हुई सैचुरेशन और कंट्रास्ट के साथ एक संकीर्ण फोकस बैंड पेंट किए गए लघु मॉडलों की मैक्रो फोटोग्राफी की नकल करता है, जो मस्तिष्क के पैमाने की गलत व्याख्या को ट्रिगर करता है।
- AI Filter फोकस ज़ोन के माध्यम से विस्तारित वस्तुओं के साथ ब्लर ग्रेजुएशन को स्वचालित रूप से समायोजित करता है, अचानक तीक्ष्ण-से-धुंधली सीमाओं के बजाय सहज संक्रमण उत्पन्न करता है।
- यह प्रभाव पहचानने योग्य पैमाने संदर्भों वाले दृश्यों पर सबसे अच्छा काम करता है — कार, लोग, इमारतें, पेड़ — जिनका उपयोग दर्शक का मस्तिष्क आकार और दूरी का न्याय करने के लिए करता है।
टिल्ट-शिफ्ट लघु भ्रम मानव मस्तिष्क पर क्यों काम करता है
लघु नकली प्रभाव डेप्थ ऑफ फील्ड से संबंधित मानव दृश्य धारणा में एक विशिष्ट शॉर्टकट का शोषण करता है। जब आप अपनी आंखों से किसी वास्तविक दृश्य को देखते हैं, तो कुछ फीट से लेकर क्षितिज तक सब कुछ तीक्ष्ण दिखाई देता है क्योंकि आपकी पुतलियां सामान्य देखने की दूरी पर एक बड़ी डेप्थ ऑफ फील्ड उत्पन्न करने के लिए पर्याप्त छोटी होती हैं। लेकिन जब आप बहुत छोटी वस्तुओं को करीब से देखते हैं — एक मेज पर सिक्का, एक शेल्फ पर मॉडल — तो डेप्थ ऑफ फील्ड बहुत उथली हो जाती है क्योंकि लेंस-से-विषय दूरी वस्तु की गहराई के सापेक्ष छोटी होती है। आपके मस्तिष्क ने दृश्य अनुभव के जीवनकाल में यह संबंध सीखा है: बहुत उथली डेप्थ ऑफ फील्ड का अर्थ है छोटा और करीब। एक तस्वीर जो उथली डेप्थ ऑफ फील्ड को ऊपर से लिए गए परिप्रेक्ष्य के साथ जोड़ती है, इस संबंध को सक्रिय करती है। मस्तिष्क निष्कर्ष निकालता है कि दृश्य लघु होना चाहिए भले ही तार्किक मन जानता हो कि यह एक वास्तविक शहर की तस्वीर है।
ऊंचा परिप्रेक्ष्य भ्रम को मजबूत करता है क्योंकि यह मेल खाता है कि आप भौतिक रूप से लघुचित्रों के साथ कैसे बातचीत करते हैं। आप एक मॉडल रेलरोड को ऊपर से नीचे देखते हैं। आप एक गुड़ियाघर में ऊपर से और बगल से झांकते हैं। आप एक मेज पर एक वास्तुशिल्प स्केल मॉडल को नीचे देखकर जांचते हैं। जब एक तस्वीर आपको इस परिचित लघु-देखने के कोण पर रखती है और उथली डेप्थ ऑफ फील्ड जोड़ती है जिसे आप नज़दीकी देखने से जोड़ते हैं, तो दो संकेत मिलकर दृश्य के वास्तविक पैमाने की आपकी तार्किक समझ को ओवरराइड करते हैं। आंखों के स्तर की तस्वीरें लघु भ्रम का विरोध करती हैं क्योंकि आप शायद ही कभी आंखों के स्तर से लघुचित्रों की जांच करते हैं। देखने का कोण बस आपके मस्तिष्क द्वारा छोटी वस्तु संपर्क के लिए उपयोग किए जाने वाले मानसिक मॉडल से मेल नहीं खाता।
रंग संतृप्ति भ्रम में एक सहायक भूमिका निभाती है क्योंकि लघु मॉडल, चित्रित आकृतियाँ और डियोरामा तत्वों में वास्तविक दुनिया के समकक्षों की तुलना में अधिक जीवंत रंग होते हैं। वास्तविक इमारतें मौसम-प्रभावित होती हैं, वास्तविक वाहन धूल भरे होते हैं, और वास्तविक वनस्पति में कोहरे और दूरी से मंद स्वर होते हैं। मॉडल समकक्ष ताजा चित्रित होते हैं, देखने की दूरी कोहरे की असंतृप्ति को समाप्त करती है। डियोरामा निर्माता दृश्य प्रभाव के लिए जानबूझकर चमकीले रंगों का उपयोग करते हैं। जब AI चयनात्मक ब्लर लगाने के साथ संतृप्ति बढ़ाता है, तो यह गहराई संकेतों, परिप्रेक्ष्य संकेतों और रंग संकेतों की तिकड़ी को पूरा करता है जो सामूहिक रूप से मस्तिष्क को बताते हैं कि यह दृश्य एक लघुचित्र है, जो भ्रम को तकनीक से अवगत दर्शकों के लिए भी पहली छाप पर काम करने के लिए पर्याप्त मजबूत बनाता है।
- उथली डेप्थ ऑफ फील्ड एक सीखा हुआ मस्तिष्क संबंध ट्रिगर करती है — अत्यंत संकीर्ण फोकस का मतलब है कि विषय छोटा और करीब है, भले ही दृश्य वास्तव में एक पूर्ण पैमाने का शहर या परिदृश्य हो।
- ऊपर से परिप्रेक्ष्य उस भौतिक कोण से मेल खाता है जिस पर मनुष्य लघुचित्रों के साथ बातचीत करते हैं, चयनात्मक ब्लर द्वारा स्थापित पैमाने के भ्रम को मजबूत करता है।
- बढ़ी हुई रंग संतृप्ति मॉडल रेलवे लेआउट, वास्तुशिल्प डियोरामा और टेबलटॉप लघु दृश्यों की जीवंत चित्रित सतहों की नकल करती है।
- तीन संकेतों का संयोजन — डेप्थ ऑफ फील्ड, परिप्रेक्ष्य कोण और रंग संतृप्ति — एक मजबूत भ्रम उत्पन्न करता है जो अधिकांश दर्शकों के लिए पहली छाप पर काम करता है।
अधिकतम लघु प्रभाव के लिए सही फोटो का चयन करना
हर तस्वीर टिल्ट-शिफ्ट लघु उपचार के लिए अच्छा उम्मीदवार नहीं होती। सही स्रोत छवि का चयन करना एक विश्वसनीय परिणाम प्राप्त करने में सबसे महत्वपूर्ण कारक है। आदर्श फोटो क्षैतिज से लगभग तीस से साठ डिग्री नीचे एक ऊंचे स्थान से ली जाती है। इतनी तेज कि ऊपर से मॉडल-देखने का परिप्रेक्ष्य प्रदान करे लेकिन इतनी तेज नहीं कि आप सीधे नीचे देख रहे हों, जो दृश्य को समतल कर देता है और उन गहराई संकेतों को समाप्त कर देता है जो ब्लर को विश्वसनीय बनाते हैं। एक सौ से तीन सौ फीट की ऊंचाई पर ड्रोन तस्वीरें इस कोण को स्वाभाविक रूप से प्राप्त करती हैं, जैसा कि अवलोकन डेक, पुल वॉकवे, पहाड़ी दृश्य बिंदुओं और ऊपरी मंजिल की खिड़कियों से ली गई तस्वीरें करती हैं।
दृश्य सामग्री कोण जितनी ही मायने रखती है। सबसे प्रभावी टिल्ट-शिफ्ट विषयों में ऐसी वस्तुएं होती हैं जो पैमाने के संदर्भ के रूप में काम करती हैं — वाहन, पैदल यात्री, दिखाई देने वाली खिड़कियों वाली इमारतें, नावें, खेल के मैदान के उपकरण, सड़क फर्नीचर। दर्शक का मस्तिष्क एक कार या व्यक्ति के अनुमानित वास्तविक आकार को जानता है। जब चयनात्मक ब्लर उन्हें नज़दीकी मैक्रो फोटोग्राफी से जुड़ी उथली डेप्थ ऑफ फील्ड वाला दिखाता है, तो आकार का अनुमान पूर्ण पैमाने से लघु में स्थानांतरित हो जाता है। इन संदर्भों के बिना दृश्य — अमूर्त पैटर्न, ऊपर से देखे गए घने जंगल, महासागर सतहें — ब्लर प्रभाव उत्पन्न करते हैं जो अच्छे लगते हैं लेकिन लघु भ्रम को ट्रिगर नहीं करते क्योंकि मस्तिष्क के लिए छोटे के रूप में गलत व्याख्या करने के लिए कुछ भी नहीं होता।
प्रकाश की स्थिति भी प्रभाव की सफलता को प्रभावित करती है। उज्ज्वल, समान प्रकाश — बादल वाले दिन, दोपहर का सूरज, या सुनहरा घंटा — सबसे साफ परिणाम उत्पन्न करता है क्योंकि टिल्ट-शिफ्ट ब्लर अच्छी तरह से एक्सपोज़ की गई छवियों पर सबसे अधिक विश्वसनीय होता है जिनमें हर जगह दिखाई देने वाला विवरण होता है। गहरे या उच्च कंट्रास्ट वाले दृश्य जिनमें गहरी छायाएं होती हैं, उस विवरण को छिपा देते हैं जो लघु भ्रम को काम करने देता है। रात के दृश्य, नाटकीय होते हुए भी, ऐसे टिल्ट-शिफ्ट प्रभाव उत्पन्न करते हैं जो लघु फोटोग्राफी की तुलना में सामान्य बोके ब्लर की तरह अधिक दिखते हैं। यदि आपके स्रोत फोटो में मिश्रित प्रकाश है, तो AI Enhance टिल्ट-शिफ्ट प्रभाव लगाने से पहले एक्सपोज़र को संतुलित कर सकता है, यह सुनिश्चित करते हुए कि ब्लर की गुणवत्ता पूरे फ्रेम में एक समान हो, बजाय इसके कि यह उज्ज्वल क्षेत्रों में विश्वसनीय दिखे और छाया में विवरण खो दे।
- क्षैतिज से तीस से साठ डिग्री नीचे की तस्वीरें लें या चुनें — एक सौ से तीन सौ फीट की ड्रोन ऊंचाई, पुल वॉकवे, अवलोकन डेक या ऊपरी मंजिल की खिड़कियां अच्छी तरह काम करती हैं।
- पहचानने योग्य पैमाने संदर्भ वस्तुएं शामिल करें जैसे वाहन, पैदल यात्री, खिड़कियों वाली इमारतें और सड़क फर्नीचर जिनका उपयोग मस्तिष्क आकार का न्याय करने के लिए करता है।
- उज्ज्वल, समान रूप से प्रकाशित दृश्य सबसे विश्वसनीय परिणाम उत्पन्न करते हैं क्योंकि पूरे फ्रेम में दिखाई देने वाला विवरण लघु डेप्थ-ऑफ-फील्ड भ्रम के लिए आवश्यक है।
- टिल्ट-शिफ्ट लगाने से पहले मिश्रित प्रकाश वाली तस्वीरों में एक्सपोज़र को संतुलित करने के लिए AI Enhance का उपयोग करें, उज्ज्वल और छायादार क्षेत्रों में समान ब्लर गुणवत्ता सुनिश्चित करते हुए।
AI Filter और AI Enhance के साथ चरण-दर-चरण AI टिल्ट-शिफ्ट वर्कफ़्लो
पूरा टिल्ट-शिफ्ट वर्कफ़्लो आपके ऊंचे कोण वाले फोटो को AI Filter पर अपलोड करने और लघु या टिल्ट-शिफ्ट प्रभाव का चयन करने से शुरू होता है। AI पहले दृश्य ज्यामिति का विश्लेषण करता है ताकि ग्राउंड प्लेन, ऊर्ध्वाधर संरचनाओं और क्षितिज रेखा की पहचान कर सके। फिर यह एक डेप्थ-अवेयर ब्लर मैप बनाता है जो फ्रेम के ऊपर और नीचे अधिकतम ब्लर लागू करता है जबकि एक क्षैतिज बैंड को फोकस में रखता है। मैनुअल ग्रेडिएंट ब्लर से मुख्य अंतर यह है कि AI उन वस्तुओं का पता लगाता है जो तीक्ष्ण और धुंधले क्षेत्रों के बीच से गुजरती हैं — एक ऊंची इमारत, एक क्रेन, एक चर्च का शिखर — और उनकी ऊंचाई के साथ ग्रेजुएटेड ब्लर लागू करता है, बजाय उन्हें ग्रेडिएंट सीमा पर तेजी से काटने के। यह डेप्थ-अवेयर ट्रांज़िशन अदृश्य है लेकिन यथार्थवाद के लिए महत्वपूर्ण है।
प्रारंभिक ब्लर पास के बाद, फोकस बैंड की स्थिति को अपने दृश्य के सबसे दिलचस्प हिस्से पर केंद्रित करने के लिए समायोजित करें। किसी शहर के दृश्य के लिए, यह वाहनों और पैदल यात्रियों वाला एक चौराहा हो सकता है। किसी निर्माण स्थल के लिए, यह उपकरण और श्रमिक हो सकते हैं। किसी समुद्र तट के लिए, यह समुद्र तट रेखा हो सकती है जहां लोग और छतरियां इकट्ठा होते हैं। फिर भ्रम की ताकत को नियंत्रित करने के लिए बैंड को संकीर्ण या चौड़ा करें। फ्रेम की ऊंचाई का लगभग दस से पंद्रह प्रतिशत का एक बहुत संकीर्ण बैंड एक तीव्र लघु रूप बनाता है, जबकि पच्चीस से तीस प्रतिशत का बैंड एक हल्का प्रभाव बनाता है जिसे कुछ दर्शक तुरंत फिल्टर के रूप में नहीं पहचान सकते। AI प्रत्येक समायोजन के लिए डेप्थ-अवेयर ब्लर की पुनर्गणना करता है, बैंड की चौड़ाई की परवाह किए बिना साफ ऑब्जेक्ट ट्रांज़िशन बनाए रखता है।
अंतिम चरण AI Enhance में रंग और कंट्रास्ट समायोजन है। वैश्विक रूप से संतृप्ति को पंद्रह से पच्चीस प्रतिशत तक बढ़ाएं, जिसमें प्राथमिक रंगों — लाल, नीला, पीला और हरा — पर अतिरिक्त जोर दें जो लघु मॉडल पैलेट पर हावी होते हैं। वस्तुओं के बीच टोनल पृथक्करण को तेज करने के लिए कंट्रास्ट को दस से पंद्रह प्रतिशत तक बढ़ाएं, डियोरामा तत्वों की साफ, चित्रित-सतह के रूप की नकल करते हुए। कुछ फोटोग्राफर मॉडल फोटोग्राफी सेटअप में सामान्य तापदीप्त प्रकाश का अनुकरण करने के लिए हल्का गर्म रंग शिफ्ट भी जोड़ते हैं। अंतिम परिणाम को पूर्ण स्क्रीन और छोटे आकार में पूर्वावलोकन करें। लघु भ्रम अक्सर सबसे अधिक विश्वसनीय होता है जब छवि को छोटे आकार में देखा जाता है जहां पैमाने के संदर्भ ठीक से छोटे होते हैं।
- AI Filter दृश्य ज्यामिति का विश्लेषण करके एक डेप्थ-अवेयर ब्लर मैप बनाता है जो फोकस बैंड सीमा को पार करने वाली ऊर्ध्वाधर संरचनाओं के साथ सहजता से ग्रेजुएट होता है।
- फोकस बैंड को दृश्य के केंद्र बिंदु पर रखें और लघु भ्रम की तीव्रता को नियंत्रित करने के लिए फ्रेम की ऊंचाई के दस से तीस प्रतिशत के बीच चौड़ाई समायोजित करें।
- भौतिक डियोरामा मॉडलों की जीवंत, चित्रित-सतह उपस्थिति की नकल करने के लिए AI Enhance में संतृप्ति पंद्रह से पच्चीस प्रतिशत और कंट्रास्ट दस से पंद्रह प्रतिशत बढ़ाएं।
- पूर्ण स्क्रीन और छोटे छवि आकार दोनों में पूर्वावलोकन करें — लघु भ्रम आमतौर पर छोटे देखने के आकार में सबसे अधिक विश्वसनीय होता है जहां पैमाने के संदर्भ उपयुक्त रूप से छोटे दिखाई देते हैं।
विशिष्ट दृश्य प्रकारों के लिए उन्नत टिल्ट-शिफ्ट तकनीकें
शहरी शहर के दृश्य क्लासिक टिल्ट-शिफ्ट विषय हैं, लेकिन विभिन्न शहरी दृश्यों को अलग-अलग दृष्टिकोणों की आवश्यकता होती है। सीधे ऊपर से देखे गए घने शहर ब्लॉक एक मानक क्षैतिज फोकस बैंड के लिए अच्छी प्रतिक्रिया देते हैं क्योंकि इमारतें, सड़कें और वाहन एक प्राकृतिक क्षैतिज परत बनाते हैं। लेकिन एक कोण पर शूट किए गए शहर के दृश्य जहां एक ऊंची इमारत अग्रभूमि पर हावी होती है, उन्हें एक झुके हुए या घुमावदार फोकस बैंड की आवश्यकता होती है जो इमारत के अग्रभाग को नीचे से ऊपर तक फॉलो करते हुए दूर की पृष्ठभूमि को धुंधला करता है। AI Filter अपनी डेप्थ एस्टिमेशन के माध्यम से इसे स्वचालित रूप से संभालता है। यह अग्रभूमि की इमारत को एक एकल करीबी वस्तु के रूप में पहचानता है और इसे पूरे समय तीक्ष्ण रखता है, भले ही मानक क्षैतिज ब्लर ग्रेडिएंट कहीं भी गिरे।
तटीय और समुद्र तट के दृश्य आकर्षक लघु समुद्र तटीय डियोरामा बनाने का अवसर प्रस्तुत करते हैं। आदर्श समुद्र तट टिल्ट-शिफ्ट फोटो तीस से पैंतालीस डिग्री पर एक नजदीकी चट्टान या बोर्डवॉक रेलिंग से छतरियों, तौलियों और धूप सेंकने वालों के साथ रेत के एक हिस्से को कैप्चर करता है। रंगीन छतरियां और छोटी आकृतियां पैमाने के संदर्भ बन जाती हैं। पानी का प्राकृतिक नीला-हरा रंग संतृप्ति वृद्धि के साथ खूबसूरती से तीव्र होता है। बंदरगाह और मरीना दृश्यों के लिए, घाट पर नावें उत्कृष्ट पैमाने संदर्भ प्रदान करती हैं। उनके ज्ञात आकार लघु भ्रम को एंकर करते हैं जबकि चयनात्मक ब्लर वॉटरफ्रंट को एक मॉडल बोट डिस्प्ले जैसा बना देता है। फोकस बैंड को वॉटरलाइन पर लागू करें जहां नावें और घाट का बुनियादी ढांचा केंद्रित होता है।
ऊपरी डेक सीटों से शूट किए गए खेल आयोजन और स्टेडियम के दृश्य सबसे प्रभावी टिल्ट-शिफ्ट छवियों में से कुछ बनाते हैं क्योंकि खेल का मैदान रंगीन वर्दी और तेज मैदानी निशानों के साथ एक आदर्श सपाट सतह प्रदान करता है। ऊपरी पंक्तियों से ऊपर का कोण मॉडल-देखने के परिप्रेक्ष्य से मेल खाता है, मैदान का एकसमान हरा रंग आसपास की भीड़ के साथ विपरीत होता है। खिलाड़ी छोटी आकृतियां बन जाते हैं जो एक गेम बोर्ड पर चित्रित लघुचित्रों की तरह दिखती हैं। फोकस बैंड को मैदान के बीच में खेल की सतह पर रखें, स्टैंड और आसपास की संरचनाओं पर मध्यम ब्लर लागू करें। मैदान के निशानों और वर्दी को उभारने के लिए रंग संतृप्ति बढ़ाएं। परिणाम उल्लेखनीय रूप से हाथ से पेंट किए गए खिलाड़ी की मूर्तियों के साथ एक टेबलटॉप स्पोर्ट्स डियोरामा की तस्वीर जैसा दिखता है।
- प्रमुख अग्रभूमि इमारतों वाले शहरी दृश्य AI डेप्थ एस्टिमेशन से लाभान्वित होते हैं जो पूरी इमारत को तीक्ष्ण रखता है, भले ही क्षैतिज ब्लर बैंड कहीं भी गिरे।
- समुद्र तट और बंदरगाह के दृश्य रंगीन छतरियों, धूप सेंकने वालों और घाट पर खड़ी नावों को पैमाने संदर्भ के रूप में उपयोग करते हैं, जिसमें संतृप्ति वृद्धि प्राकृतिक पानी और रेत के स्वरों को तीव्र करती है।
- ऊपरी डेक से स्टेडियम और खेल आयोजन की तस्वीरें आकर्षक परिणाम उत्पन्न करती हैं क्योंकि सपाट खेल मैदान और वर्दीधारी खिलाड़ी स्वाभाविक रूप से टेबलटॉप गेम डियोरामा जैसे दिखते हैं।
- प्रत्येक दृश्य प्रकार फोकस बैंड को पहचानने योग्य पैमाने-संदर्भ वस्तुओं के सबसे घने संकेन्द्रण वाले क्षेत्र में रखने से लाभान्वित होता है।
सामान्य टिल्ट-शिफ्ट गलतियां और उनसे कैसे बचें
सबसे आम गलती आंखों के स्तर पर ली गई तस्वीरों पर टिल्ट-शिफ्ट प्रभाव लागू करना है। जब कैमरा जमीनी स्तर पर किसी दृश्य को देख रहा हो, न कि उसे नीचे से, तो चयनात्मक ब्लर लघु देखने से जुड़े मैक्रो डेप्थ-ऑफ-फील्ड प्रभाव के बजाय सामान्य आउट-ऑफ-फोकस क्षेत्रों के रूप में पढ़ा जाता है। दर्शक एक लघु दुनिया के बजाय एक धुंधली तस्वीर देखता है क्योंकि परिप्रेक्ष्य कोण किसी छोटी वस्तु को नीचे देखने के उनके मानसिक मॉडल से मेल नहीं खाता। यदि आपकी एकमात्र उपलब्ध तस्वीर आंखों के स्तर पर है, तो टिल्ट-शिफ्ट प्रभाव शायद ही कभी विश्वसनीय होगा, चाहे ब्लर कितनी भी अच्छी तरह लगाया गया हो। प्रभाव को वास्तविक ऊपरी परिप्रेक्ष्य वाली तस्वीरों के लिए बचाकर रखें — यहां तक कि दूसरी मंजिल की खिड़की से मध्यम ऊंचाई भी पर्याप्त हो सकती है।
अत्यधिक ब्लर करना दूसरी सबसे आम गलती है। जब ब्लर बहुत तीव्र होता है, तो छवि वह विवरण खो देती है जो लघु भ्रम को काम करने देता है। वाहन विशेषताहीन धब्बे बन जाते हैं, इमारतें अपनी खिड़कियां और बनावट खो देती हैं, और लोग धुंधले आकार बन जाते हैं। लघुचित्रों की वास्तविक मैक्रो फोटोग्राफी धुंधले क्षेत्रों में भी मॉडलों पर प्रमुख विवरण दिखाती है। थोड़ा आउट-ऑफ-फोकस मॉडल कार अभी भी अपनी खिड़कियां, पहिए और पेंट का रंग दिखाती है। यदि आपका टिल्ट-शिफ्ट ब्लर पृष्ठभूमि की वस्तुओं को अपरिचित धब्बों में बदल देता है, तो तीव्रता कम करें जब तक कि धुंधली वस्तुएं दर्शक को उन्हें पहचानने के लिए पर्याप्त संरचना बनाए न रखें। भ्रम के लिए मस्तिष्क को वस्तुओं को पहचानना और फिर उनके पैमाने का गलत अनुमान लगाना आवश्यक है — पहले पहचान होनी चाहिए।
रंगों को अत्यधिक संतृप्त करना समान रूप से हानिकारक है। जबकि बढ़ी हुई संतृप्ति लघु रूप का हिस्सा है, इसे बहुत दूर धकेलने से नियॉन, अप्राकृतिक स्वर बनते हैं जो भ्रम को तोड़ते हैं क्योंकि वे चित्रित मॉडलों की तरह नहीं दिखते — वे एक खराब प्रोसेस की गई तस्वीर की तरह दिखते हैं। लक्ष्य उच्च गुणवत्ता वाले ऐक्रेलिक मॉडल पेंट का रूप है, फ्लोरोसेंट पोस्टर रंगों का नहीं। पंद्रह से बीस प्रतिशत संतृप्ति वृद्धि आमतौर पर पर्याप्त होती है। तीस प्रतिशत से अधिक कुछ भी अक्सर प्राथमिक रंगों को अप्राकृतिक सीमा में धकेल देता है। विशेष रूप से त्वचा टोन और वनस्पति को देखकर संतृप्ति का परीक्षण करें। ये वे रंग हैं जो अत्यधिक संतृप्त होने पर सबसे पहले स्पष्ट रूप से कृत्रिम हो जाते हैं, त्वचा नारंगी और घास चूने के हरे रंग में बदल जाती है।
- आंखों के स्तर की तस्वीरों पर कभी भी टिल्ट-शिफ्ट लागू न करें — प्रभाव के लिए लघु भ्रम को ट्रिगर करने के लिए ऊपरी परिप्रेक्ष्य आवश्यक है, यहां तक कि दूसरी मंजिल की खिड़की से मध्यम ऊंचाई भी मदद करती है।
- अत्यधिक ब्लर से बचें जो वस्तुओं को अपरिचित धब्बों में बदल देता है — भ्रम के लिए दर्शक को वस्तुओं की पहचान करना और फिर उनके पैमाने का गलत अनुमान लगाना आवश्यक है, इसलिए धुंधले तत्वों को पहचानने योग्य रहना चाहिए।
- संतृप्ति वृद्धि को पंद्रह और पच्चीस प्रतिशत के बीच रखें — तीस प्रतिशत से परे, त्वचा टोन नारंगी और वनस्पति चूने के हरे रंग में बदल जाती है, जो चित्रित-मॉडल भ्रम को तोड़ती है।
- संतृप्ति स्तरों का मूल्यांकन करते समय पहले त्वचा टोन और वनस्पति की जांच करें, क्योंकि ये रंग लाल, नीले और अन्य प्राथमिक स्वरों से पहले स्पष्ट रूप से अप्राकृतिक हो जाते हैं।
स्रोत
- Tilt-Shift Photography: The Complete Guide — Photography Life
- Selective Focus Simulation Using Deep Learning Depth Estimation — arXiv
- Understanding Miniature Faking in Photography — Cambridge in Colour