Jump to content

X-Trans oder Bayer? Fuji's Zukunft ist...


Empfohlene Beiträge

Werbung (verschwindet nach Registrierung)

vor 2 Stunden schrieb Uwe Richter:

Ja .. und der Preis ... unter 2500€ :D Das ist aber nett von Fuji.

Wenn ich an den Preisverfall der ersten denke, wird dieser Preis wenig Käufer locken.

 

 

vor 1 Stunde schrieb Chiki:

Halbes Jahr später kommt die XT5 und die H2 fällt unter 1500€.

Der Unterschied jetzt ist, dass die T5 eben nicht mit gegenüber der H neuer Sensor/Prozessorgeneration kommt wie damals die T3 direkt nach der H1. Das ist nun die Rolle der H2. Das heißt, dass erst einmal die T4 preiswerter wird. Trotzdem sind 2,5k natürlich sehr ambitioniert.

Link zum Beitrag
Auf anderen Seiten teilen

Wenn die X-H2 kommt, könnte sie für zwei Jahre das bestausgestattete und leistungsfähigste Spitzenmodell im X-System bleiben, was für Preisstabilität spräche. Was Fuji bei so einem Preispunkt in die Waagschale wirft, wird man zu gegebener Zeit sehen. Dass Fuji davon keine so großen Stückzahlen wie von den X-T- und X-E-Modellen absetzen wird, ist eh klar; es kann und muss sich nicht jeder das Spitzenmodell leisten. Das ist aber OK.

Link zum Beitrag
Auf anderen Seiten teilen

  • 2 weeks later...

Mal unabhängig von der Zukunft, aber am Titel "X-Trans oder Bayer" orientiert:

Der Weg zum RGB-Bild, ausgehend von den Helligkeitswerten der einzelnen farbgefilterten Pixel geht ja über Interploationsroutinen (auch bekannt als Demosaicing), in denen die zwei fehlende Farbinformationen eines Pixels aufgrund von Helligkeitswerten entsprechend anders gefilterter Nachbarpixel und Annahmen, wie die Welt normalerweise aussieht, zugeordnet werden.

Fuji-Kameras sehen die Welt ja mit den X-Trans-Sensoren anders als andere Kameras mit Bayer-Sensoren und müssen anders in das RGB-Modell interpoliert werden.

Besteht da die Möglichkeit, dass die Weiterentwicklung dieser Interpolationssoftware für X-Trans etwas hinterher hinkt, weil der Markt für Bayer-Interploationen einfach für Software-Entwickler (z.B.: DXO mit PureRaw) größer und attraktiver ist?

Das es keine "beste" Lösung gibt, sieht man ja schon an den Unterschieden der RAW-Konverter, die für X-Trans zu Verfügung stehen - aber für Bayer scheint die Entwicklung da weiter zu gehen.

bearbeitet von RAWky
Link zum Beitrag
Auf anderen Seiten teilen

vor 5 Stunden schrieb RAWky:

Besteht da die Möglichkeit, dass die Weiterentwicklung dieser Interpolationssoftware für X-Trans etwas hinterher hinkt, weil der Markt für Bayer-Interploationen einfach für Software-Entwickler (z.B.: DXO mit PureRaw) größer und attraktiver ist?

Offenbar nicht. Adobe hat sein auf neuronalen Netzen basierendes Demosaicing („Verbessern“) in je einer Version für Bayer und X-Trans entwickelt. Dafür mussten zwei neuronale Netze trainiert werden und es unterstreicht, wie wichtig X-Trans mittlerweile genommen wird.

Die algorithmischen Demosaicing-Verfahren haben mittlerweile ein hohes Niveau erreicht – auch für X-Trans –, und das Verbesserungspotential auf dem klassischem Weg ist begrenzt. Die Zukunft liegt bei den KI-Verfahren, und die haben den Vorteil, dass man sie für verschiedene Farbfiltermuster quasi parallel entwickeln kann – die jeweiligen neuronalen Netze müssen verschiedene Kunststücke lernen, aber sie werden mit denselben Bildern trainiert. Zwar ist der Aufwand größer, mehr als nur ein Farbfiltermuster zu unterstützen, aber er ist von der prinzipiell gleichen Art. Man muss sich nicht mehr etwas komplett neues ausdenken, wie es bei den algorithmischen Verfahren war.

bearbeitet von mjh
Link zum Beitrag
Auf anderen Seiten teilen

vor 30 Minuten schrieb mjh:

aber sie werden mit denselben Bildern trainiert.

Um etwas dieser Art trainieren zu können, sollte man ja das Ergebnis beurteilen, am besten mit der Wirklichkeit, also dem Motiv selbst. Woran erkennt ein nicht-klassisches Verfahren einen Schritt in die richtige Richtung? Beim Erlernen von Schach ist das ja noch "einfach" - da bestimmt die Situation des Königs das Ende, aber beim Demosaicing ist das alles doch recht wenig bestimmt und für Rechner kaum bestimmbar.

bearbeitet von RAWky
Link zum Beitrag
Auf anderen Seiten teilen

vor 3 Minuten schrieb RAWky:

Um etwas dieser Art trainieren zu können, sollte man ja das Ergebnis beurteilen, am besten mit der Wirklichkeit, also dem Motiv selbst. Woran erkennt ein nicht-klassisches Verfahren einen Schritt in die richtige Richtung? Beim Erlernen von Schach ist das ja noch "einfach" - da bestimmt die Situation des Königs das Ende, aber beim Demosaicing ist das alles doch recht wenig bestimmt und für Rechner kaum bestimmbar.

Man geht vom erwünschten Ergebnis aus, nicht vom Ausgangsmaterial. Wenn Du ein fein aufgelöstes Bild hast, kannst Du damit ja dessen Rohdaten simulieren; die Aufgabe des neuronalen Netzes ist es dann, daraus wieder das ursprüngliche Bild zu rekonstruieren. Du nimmst also erst Informationen weg und lässt das neuronale Netz diese aus den verbliebenen Daten erraten.

Link zum Beitrag
Auf anderen Seiten teilen

vor 51 Minuten schrieb mjh:

Wenn Du ein fein aufgelöstes Bild hast, kannst Du damit ja dessen Rohdaten simulieren; die Aufgabe des neuronalen Netzes ist es dann, daraus wieder das ursprüngliche Bild zu rekonstruieren.

Also nutze ich ein universelles Verfahren um damit Ergebnisse zu schaffen, die ein dedizierter Algorithmus vorgegeben hat. Das Auftreten von Sonderfällen (Matrix-Layout, Abbildungsfehler, ...) kann durch sich selbst berücksichtigt werden und benötigt keine Eingriffe von aussen (in den Algorithmus) um ein "richtiges" Ergebnis zu liefern.

Das schafft aber eine Menge an arbeitslosen prozedural denkenden Informatikern, könnte mir als Anwender aber Software einbringen, die keine UpGrades mehr benötigen (weil sie sich ja selbst weiter entwickeln). Damit würden die KI-Experten der Branche sich selbst aber die Einnahmequelle trocken legen - wenn sie konsequent wären. 

bearbeitet von RAWky
Link zum Beitrag
Auf anderen Seiten teilen

vor 43 Minuten schrieb RAWky:

Das schafft aber eine Menge an arbeitslosen prozedural denkenden Informatikern, könnte mir als Anwender aber Software einbringen, die keine UpGrades mehr benötigen (weil sie sich ja selbst weiter entwickeln). Damit würden die KI-Experten der Branche sich selbst aber die Einnahmequelle trocken legen - wenn sie konsequent wären. 

Ja, das ist schon seit einiger Zeit so, wobei es natürlich Bereiche gibt, in denen es keinen Platz für KI gibt – oder geben sollte. Wenn man seine Buchhaltung von einem neuronalen Netz erledigen lässt, könnte das Finanzamt möglicherweise argwöhnisch werden.

Es ist ohnehin nicht so, als ob dank KI alles automatisch liefe und keine Informatiker mehr gebraucht würden. Neuronale Netze zu trainieren besteht nicht allein darin, schnellen Computern beim Rechnen zuzusehen; vielmehr muss man erst einmal eine geeignete Struktur eines oder mehrerer miteinander verknüpfter neuronaler Netze finden. Wenn man ein Ergebnis hat (manchmal bekommt man auch keines, und dann geht man zurück auf Anfang), muss man es erst noch analysieren, um zu sehen, ob es auch das Richtige tut, und das kann ziemlich knifflig sein. Für Informatiker gibt es genug zu tun, nur halt nicht mehr dasselbe wie ehedem.

bearbeitet von mjh
Link zum Beitrag
Auf anderen Seiten teilen

Diskutiere mit!

Du kannst direkt antworten und dich erst später registrieren. Wenn du bereits einen Account hast, kannst du dich hier anmelden, um unter deinem Usernamen zu posten.
Note: Your post will require moderator approval before it will be visible.

Gast
Auf dieses Thema antworten...

×   Du hast formatierten Text eingefügt.   Formatierung jetzt entfernen

  Only 75 emoji are allowed.

×   Dein Link wurde automatisch eingebettet.   Einbetten rückgängig machen und als Link darstellen

×   Dein vorheriger Inhalt wurde wiederhergestellt.   Clear editor

×   Du kannst Bilder nicht direkt einfügen. Lade Bilder hoch oder lade sie von einer URL.

×
×
  • Neu erstellen...