Cookies op Tweakers

Tweakers maakt gebruik van cookies, onder andere om de website te analyseren, het gebruiksgemak te vergroten en advertenties te tonen. Door gebruik te maken van deze website, of door op 'Ga verder' te klikken, geef je toestemming voor het gebruik van cookies. Wil je meer informatie over cookies en hoe ze worden gebruikt, bekijk dan ons cookiebeleid.

Meer informatie

Nvidia zet kunstmatige intelligentie in om ruis uit foto's te verwijderen

Onderzoekers van Nvidia, de Finse Aalto-universiteit en het MIT tonen een deeplearningmethode waarmee een aanzienlijke mate van digitale ruis uit foto's is te verwijderen. De ai heeft daarvoor alleen de foto's met ruis nodig.

Het toegepaste systeem heet Noise2Noise en kan een extreme mate van ruis bij een foto wegwerken, zonder dat de gebruikte foto ooit is getoond. Het systeem is een neuraal netwerk en dat betekent dat het eerst flink getraind moest worden. Daartoe kreeg Noise2Noise†vijftigduizend heldere, ruisvrije afbeeldingen uit†de ImageNet-database voorgeschoteld. Daarna werden al deze foto's van digitale ruis voorzien en gebruikt om het algoritme te trainen. Hierbij is gebruikgemaakt van Nvidia Tesla P100-gpu's in combinatie met TensorFlow. Het systeem weet niet alleen ruis, maar ook achteraf in een foto geplakte tekst effectief te verwijderen.

De onderzoekers beschrijven in hun paper dat de resultaten van hun systeem vergelijkbaar zijn met die van moderne methodes waarbij†ook gebruik wordt gemaakt van een ruisvrije variant van dezelfde foto.†Het onderzoek van Nvidia en de twee†universiteiten wordt deze week in Stockholm gepresenteerd bij de†International Conference on Machine Learning. De methode kan volgens de onderzoekers onder meer worden gebruikt voor het opschonen van mri-scanafbeeldingen en bij fotografie in donkere omstandigheden, zoals astrofotografie.

Door Joris Jansen

Nieuwsredacteur

11-07-2018 • 15:00

98 Linkedin Google+

Submitter: JS1982

Reacties (98)

Wijzig sortering
Werkt dit voor iedere denkbare ruis? Of zou het algoritme heel goed zijn geworden in het reversen van de kunstmatige ruis die NVidia op al zijn trainingsdata heeft toegepast?
Beide:

1. Het huidige netwerk is getraind met de grootste open foto database http://www.image-net.org/ , waarbij kunstmatig ruis is toegevoegd. Dus het getrainde netwerk werkt het best voor kunstmatige ruis.

2. Een neuraalnetwerk bestaat eigenlijk uit twee delen. Ten eerste de layout, zoals het aantal lagen, type filters, aantal formule's etc. Ten tweede de waarden (getallen) in de filters en formules. Tijdens een training worden de getallen geoptimaliseerd voor een bepaalde trainingset, niet de layout. Dat betekend dat je deze netwerk-layout simpelweg kan trainen op een andere dataset, waarbij je echt foto's met en zonder ruis/verzameld.

Het laatste, het verzamelen van echte dataset kost alleen enorm veel geld. Omdat je waarschijnlijk over de 1.000.000 afbeeldingen van verschillende onderwerpen, en camera's nodig hebt. Waarbij je b.v. elke foto 2x maakt, 1x. me een korte en 1x met lange sluitertijd.
"Tijdens een training worden de getallen geoptimaliseerd voor een bepaalde trainingset, niet de layout. "

Dat was misschien in 2015 zo. In 2017 presenteerde Google al een paper waarin de beschreven hoe ze hun AudioSet training hadden gedaan. Daarin hadden ze ook AI gebruikt om de layout te bepalen. Sterker nog, ze hadden 30 GPU's gebruikt om te bepalen hoeveel GPU's ze daarna moesten inzetten voor het bepalen van de layout en het trainen van het uiteindelijke netwerk. Dat waren dus 3 AI's achter elkaar.

En het verzamelen van al die data kost niet eens zo gek veel geld. Je begint gewoon een website om die data te verzamelen, Youtube bijvoorbeeld. Dan komt die data gratis binnen.
Daar ben ik inderdaad ook wel benieuwd naar. Echter in de video staat ook een voorbeeld van het resultaat bij impulse noise. Ik geloof dat hierbij gebruik is gemaakt van de ruis die voorkomt in alle elektronische circuits. Dezelfde input die /dev/random gebruikt als het ware. In dat geval zou de ruis flink random moeten zijn en ook hier zet Nvidia een indrukwekkend resultaat neer.
In het artikel worden een aantal soorten ruis gebruikt. Voor elke type ruis wordt het netwerk apart getraind. Het werkt dus voor verschillende soorten ruis, maar je moet het wel eerst specifiek trainen voor dat type ruis.
Is Nvidia marktleider op het gebied van foto/video bewerking icm AI? Haar projecten zijn voor mij echt futuristisch. Random gegenereerde beroemdheden. Video's zo bewerken dat dag naar nacht verandert of lente naar winter.
Ik ben blij dat ik deze ontwikkelingen hier meekrijg. Het bereid je toch wel wat beter voor op een toekomst zonder waarheid, want dat voorzie ik met dit soort programma's.

Het is niet helemaal met elkaar te vergelijken, maar ik krijg hier meteen flashbacks van. Enhanced zoom van programma's zoals CSI.
https://www.youtube.com/watch?v=I_8ZH1Ggjk0
Moest idd ook denken aan zoom bij csi. Maar goed de vraag blijft welke informatie denkt men er bij veel ruis zelf bij en hoe betrouwbaar is die informatie.

Aan de andere kant neem foto op 3200 iso of meer en je krijgt bij weinig licht aardig wat ruis. Dat kan dit mooi wegwerken. Combineer het met zet 40 megapixels, bewerkt het en brengt het terug naar 20 megapixels en je krijgt misschien nog een mooie scherpe foto. Zou dus best iets kunnen zijn voor smartphone, 40 mp camera, ai filter er op log en 20mp scherpe foto ook bij weinig licht.
De informatie wordt er uiteraard door het wiskundig (machine learning) model gegenereerd, dus het is strikt genomen geen informatie. Een beetje vergelijkbaar met het slowmotioneffect dat hier een paar weken geleden (https://tweakers.net/nieu...onvideo-om-te-zetten.html) passeerde. Als je dat wil gebruiken voor onderzoek of andere toepassingen waarvoor absoluut correcte details belangrijk zijn, schiet je daar waarschijnlijk niets mee op, maar voor de meeste visuele toepassingen is het een schitterende tool.
Wanneer heb je in godsnaam een output van 20 MP nodig?
Affiches... Drukwerk.. High Res originelen om stukken uit te halen..
Ik hoop dat je voor drukwerk en affiches toch wel begint met een ruis-vrije afbeelding...

Maar on-topic, mooi om te zien dat AI en softwarematige oplossingen foto's kunnen verbeteren. Dit kan met name voor smartphones veel betekenen, aangezien we inmiddels IMHO toch wel tegen de grenzen lopen van wat er mogelijk is met een kleine lens. Hoe de pixel scherpte-diepte weet te imiteren tegenover bijvoorbeeld de iphone met 2 lenzen is erg indrukwekkend.
Ik reageerde op de 20MP opmerking, niet op de de-noise..
Is Nvidia marktleider op het gebied van foto/video bewerking icm AI?
Nee Nvidia is marktleider op het gebied van AI hardware, zowel met GPU's op PC gebied als GPU varianten voor auto's en drones.

Nvidia pakt het momenteel ook erg slim aan. Hardware word vaak (bijna) gratis, aangeboden aan onderzoeksgroepen op universiteiten. Daarnaast werken ze graag samen/geven ze advies als je een goed idee hebt, en dit in software wil omzetten.
Vergeet NVResearch niet: https://www.nvidia.com/en-us/research/, e.g. progressive GANs komen uit die koker: https://www.youtube.com/watch?v=XOxxPcy5Gr4 .
Voor denoising is overigens ook ray tracing enorm interresant, omdat het er super goed uitziet, maar met een bak ruis. Ray tracing + deep-learning ruisonderdrukking = super mooi beeld = sell gpus = profit. NVIDIA doet enorm veel op software de laatste jaren (disclaimer: werk er zelf).
Het is niet helemaal met elkaar te vergelijken, maar ik krijg hier meteen flashbacks van. Enhanced zoom van programma's zoals CSI.
https://www.youtube.com/watch?v=I_8ZH1Ggjk0
Duurt misschien niet meer zo lang en dan is dat ook al realiteit :P : http://geoffreylitt.com/2...rial-neural-networks.html . Al zal het waarschijnlijk nooit zo overdreven zijn als bij CSI. Super resolution kun je ook op zoeken: https://deepsense.ai/usin...e-image-super-resolution/ .
Het is niet helemaal met elkaar te vergelijken, maar ik krijg hier meteen flashbacks van. Enhanced zoom van programma's zoals CSI.
https://www.youtube.com/watch?v=I_8ZH1Ggjk0
Dat filmpje laat me aan dit filmpje denken: https://www.youtube.com/watch?v=gF_qQYrCcns
Dan zal je dit ook wel heel erg mooi vinden.
https://youtu.be/bcZFQ3f26pA
Van een hele donkere foto naar?

Toen ik dit zag wou ik dat er een tool is die alle foto in een folder verbeteren met al die AI technieken.
Ja leuk altijd he met series als CSI, waar je de meest waardeloos video's/foto's ken goed maken uit het niet alle info kan hallen 8)7

Dat vond ik altijd vreselijk lachwekkend :) ;(

Ontopic:Maar erg bijzonder dit, alleen hoe veilig is het om AI voor alles te gebruiken?

[Reactie gewijzigd door AmigaWolf op 11 juli 2018 19:50]

Ik lees in de tekst twee situaties: het verwijderen van ruis en het verwijderen van tekst. Dat is niet helemaal hetzelfde. Bij ruis kun je nog denken aan algoritmes die op basis van naastgelegen pixels de "afwijkers" corrigeren. Dat is wat er (ongeveer) nu ook al gebeurt en dat is ook waarom een foto na een anti-ruis behandeling in het algemeen nogal wollig overkomt: meestal verlies je detail-informatie. Als je nog wat intelligenter ontruist neem je misschien wat systeem-oorzaken mee (ik noem maar iets geks: je ontdekt in de analyse dat elke vierde pixel iets te blauw is, dan kun je dat ook herstellen). Wat NVIDIA nu kan doen is erg knap vooral als je de het resultaat van de Koala ziet.
Echter: als er een stuk tekst over een foto is geplakt, dan kan het niet anders dan dat er informatie letterlijk wordt bijverzonnen. Bij een object dat geheel of gedeeltelijk door de tekst wordt bedekt, zullen gewoon stukken moeten worden verzonnen. En dan vraag ik me af hoe je hiermee omgaat bij foto-wedstrijden, of journalistiek, waar het toevoegen van beeldelementen niet is toegestaan.
Een foto die je maakt zal geen text hebben toch?
Ik weet niet zo goed wat je met deze cryptische zin bedoeld, maar dit helpt misschien bij het formuleren van een betere vraag (komt uit de tekst van het artikel):
Het systeem weet niet alleen ruis, maar ook achteraf in een foto geplakte tekst effectief te verwijderen
Sorry dat het te cryptisch is. Ik bedoelde te zeggen dat wanneer je een foto maakt voor de fotowedstrijd die foto geen geplakte text zal hebben.
Klopt, maar het ging me meer om het principe. Het lijkt er sterk op dat er informatie wordt toegevoegd aan een foto. Informatie die er niet in het oorspronkelijke bestand aanwezig was.
Het verwijderen van een watermerk bijvoorbeeld zou je kunnen vergelijken met het verwijderen van een lantaarnpaal.
Maar ik bedenk me net: het kan ook zijn dat de schrijver van het artikel een watermerk heeft geÔnterpreteerd/vertaald als een stuk tekst dat over een foto geplakt wordt. En dat is natuurlijk niet zo; bij de meeste watermerken zie je de foto er nog steeds doorheen.
Ik zou zelfs willen stellen dat wanneer je de afbeelding er niet doorheen kunt zien er geen sprake is van een watermerk maar meer van een logo.
Gaat dat misschien op dezelfde manier als een CD speler die kleine missende stukken invult middels het error correction system?

Ik vind je comment echt een goede bijdrage maar zou je af en toe een alinea willen gebruiken? Thanks
Bij een cd is de error correction informatie van te voren al bepaald en mee opgeslagen op het medium. Dat is bij een foto niet het geval.
Die kunnen we dus doorstrepen.. Zou de AI op zoek kunnen gaan naar vergelijkbare foto's om zo de blanks in te vullen?

[Reactie gewijzigd door Liberteque op 11 juli 2018 19:59]

Uiteindelijk moet je bij ruis hetzelfde probleem oplossen: er is data verloren gegaan, en die moet je reconstrueren. Bovendien weet je niet altijd precies welke data er nog goed is, en welke niet.

Hoe dat data-verlies tot stand is gekomen maakt weinig uit. Dat kan door tekst over de afbeelding plakken, of door random waardes bij elke pixel op te tellen. Tekst is misschien wel makkelijker; dan heb je veel meer pixels die niet veranderd zijn, en de wel gewijzigde pixels zijn makkelijk als zodanig te herkennen.
Er wordt geen data gereconstrueerd, er wordt een inschatting gemaakt over wat de data zou kunnen zijn die verloren gegaan is. Dat is een enorm verschil: Als de data gereconstrueerd zou kunnen worden dan zouden origineel (zonder ruis) en origineel+ruis na ruisverwijdering identiek zijn en dat zal met zeer hoge waarschijnlijkheid niet het geval zijn. Kijk maar naar de Koala plaatjes in het bovenstaande artikel, de reconstructie is duidelijk minder gedetailleerd dan het origineel (vooral de rondom de ogen en alle uitstekende haren kun je zien dat er veel detail verloren gegaan is).

Dus ook deze techniek geeft je een benadering van het origineel, niet het origineel zoals het was. Verloren data kun je niet accuraat terughalen (zonder dat je daarvoor maatregelen in je data stroom inbouwt zoals ECC o.i.d.), dat is een van de fundamentele principes van Informatie Theorie.

Dat neemt niet weg dat deze technieken een indrukwekkend resultaat geven, zeker als je ze vergelijkt met traditionele ruisfilters. Als je die zou loslaten op het ruiserige Koala plaatje dan komt daar zeker niets uit wat ook maar in de buurt komt van het origineel.
"Enorm verschil"? In jouw belevenis misschien.

De onderliggende oorzaak is dat je Informatie Theorie onjuist toepast. Voor een datastroom waarbij de bits onafhankelijk van elkaar zijn geldt dat missende data niet gerecontrueerd kan worden. ECC is een opzettelijke toevoeging aan de datastroom zodat de bits expliciet niet meer onafhankelijk zijn, en wel gereconstrueerd kunnen worden. (maar niet altijd perfect)

Het feit nu is dat beelden geen onafhankelijke pixels hebben. Dat is waarom compressie-algoritmes zoals JPEG kunnen werken. Dat betekent ook dat reconstructie mogelijk is, maar niet altijd perfect.
Nu spreek je jezelf tegen met die laatste zin: "Dat betekent ook dat reconstructie mogelijk is, maar niet altijd perfect.". Wat is het verschil met "Er wordt geen data gereconstrueerd, er wordt een inschatting gemaakt over wat de data zou kunnen zijn die verloren gegaan is.". Ik denk dat jij een andere betekenis hangt aan het woord reconstructie: ik zie dat woord in deze context als het herstellen van het plaatje in dezelfde toestand als voor het toevoegen van de ruis of met andere woorden het tot exact dezelfde toestand herstellen van het image.

Het gereconstrueerde plaatje is niet exact hetzelfde als het origineel, dus per definitie is er informatie verloren gegaan. Die krijg je niet terug met deze technieken. Je kunt misschien het origineel dicht benaderen (zal sterk afhankelijk zijn van de hoeveelheid ruis en de locatie van de ruis in het plaatje) en daarmee voor het menselijk oog een acceptabel resultaat behalen (dit is ook de reden dat lossy compressie technieken zoals die gebruikt in de verschillende JPEG en MPEG formaten bruikbaar zijn), maar er is altijd een verschil met het origineel.
Waarom zou een journalist of iemand die mee doet met foto-wedstrijden zich druk maken om of een foto deels gemanipuleerd is (en daarmee de regels breekt) als het uberhaupt merkwaardig te noemen is dat een journalist of deelenemer aan foto-wedstrijden watermarks of tekst van fotos moet halen ? :)

Tenslotte heb je zelf de originele bestanden. En als je tekst van fotos moet halen, dan heb je die blijkbaar ergens vandaan getrokken en is het sowieso tegen de regels van foto-competities of kranten/media platformen....want het is niet je eigen content }:O
Watermark verwijderen is nu ook stuk makkelijker
Maar nog steeds ilegaal. Soms wordt een foto of ander media bestand ook gewatermerkt met steganografie

(Meerinfo : https://www.wikihow.com/Hide-a-File-in-an-Image-File)
Niets illegaals aan; welke wet beschermt het watermerk?

Het wordt pas illegaal als je de beelden (met of zonder watermerk) illegaal gaat verspreiden.
Niets illegaals aan; welke wet beschermt het watermerk?
Als het watermerk deel is van de afbeelding dan is het watermerk beschermt door de standaard copyright regels. Lijkt me voor de hand te liggen he?
Denkfout. Niet elke afbeelding is beschermd door copyright. Bovendien, zelfs al zou het watermerk beschermd zijn door copyright, dan nog zou dat betekenen dat je het watermerk niet mag verspreiden. Dat betekent dus juist dat je het moet verwijderen.
Er is niks illegaals aan het bewerken van een foto.

Het gaat om het publiceren: welk doel, waar doe je dat, is het bewerkt voor publicatie, wordt de maker genoemd etc etc.
Dat ligt eraan wat je verstaat m.b.t. een watermerk 'op' een digitale afbeelding.

Als je een klein volledig gekleurd vlak (of een aantal) plaatst op je afbeeldingen, met daarop je logo/naam, dan is er weinig probleem.

De AI bepaald de vulling op basis van nog zichtbare pixels en dan van andere afbeeldingen.
De ruis (pixels) wordt vervangen door compleet andere pixels op basis van scene herkenning.
Ik weet niet of dit hetzelfde is maar het is wel vergelijkbaar. Dat is AI denoise. Het zit geÔmplementeerd in een stukje software waar ik veel mee werk.

https://home.otoy.com/render/octane-render/
Ben zelf sinds kort astrofotograaf en 1 van de grootste problemen waar je mee komt te zitten is inderdaad het wegwerken van ruis. Dit doordat je in de uitleesruis van je camera zit te werken. Zou erg veel voordeel bieden, aangezien op dit moment het verwijderen van ruis vaak ten koste gaat van scherpte. Lijkt mij gaaf om dit te zien.
En dan maar hopen dat ie het verschil ziet tussen ruis en een pukkeltje op de foto dat eigenlijk een ster is.
Daar gebruik je toch stacks voor? Meerdere foto's sterren hetzelfde, ruis telkens anders combineren et voila. Ik was iig wel onder de indruk van die techniek.
Dat klopt. Zoveel mogelijk data verzamelen en deze stacken. Maar dan heb je het over meerdere uren/nachten van helder weer die nodig zijn voor 1 object goed op de plaat te kunnen zetten. Met deze nieuwe technieken kun je dus met minder data dezelfde en betere resultaten halen.
Helemaal met het weer in Nederland kun je dan dus meer objecten fotoraferen en bewerken. Maakt de hobby net weer wat leuker. Beter dan een 1 nacht aan een object te besteden en dan een aantal maanden moeten wachten voor meer data omdat het weer tegenzit en het object in de tussentijd niet meer goed te fotograferen is.
Vermoedelijk zullen de kleine sterren niet verwijderd worden, omdat zij anders reageren dan ruis. Helemaal als je tijdens de opnamen dithert (na iedere opname je opstelling een paar pixels verplaatsen). Hierdoor zal het algoritme de ruis vele malen beter kunnen onderscheiden van sterren en dus de sterren tijdens het bewerken niet verwijderen.
Ik ben ook bang dat de ruis moeilijk te onderscheiden is van sterren
Dit is wel tof. Nvidia heeft altijd wel leuke onderzoeken betreft AI en beeldbewerkingen.
Ik vraag mij het volgende af. In de video tonen ze dat ze noise weg halen van een MRI scan is er niet een risico dat er door het weghalen van ruis op de foto ook belangrijke informatie weghaalt of per ongeluk aanpast van de scan? Waardoor er bijvoorbeeld false positives of negatives kunnen ontstaan?

Verder vraag ik mij af je hier mee ook (niet zichtbare) noise kunt weghalen die bij adverserial attacks wordt gebruikt om het model te foppen. Zie ook: https://medium.com/onfido...ral-networks-66915ece52e7
is er niet een risico dat er door het weghalen van ruis op de foto ook belangrijke informatie weghaalt of per ongeluk aanpast van de scan?
Zeker. Nvidia is absoluut niet de enige die bezig is met deep learning in MRI en er zijn veel mooie toepassingen voor segmentatie en classificatie.

Echter, voor reconstructie blijft het altijd de vraag of er geen informatie wegvalt. In het plaatje uit de video en het persbericht is ook duidelijk te zien dat er smoothing optreedt. Overgangen van structuren worden vager en daardoor kan er potentieel informatie wegvallen.

Het blijft lastig om dit te onderzoeken, omdat er altijd structuren / ziektebeelden zullen zijn die niet in je trainingsdata zitten. Hoe kun je zeker weten dat deze goed worden gereconstrueerd...? Er is daarom nog veel onderzoek nodig voordat dit in elke kliniek gebruikt kan worden voor elke scan.

[Reactie gewijzigd door Stefan-Z op 11 juli 2018 15:57]

Dat wordt gemakkelijk watermerken verwijderen van foto's die je wel graag wilt, maar niet wilt kopen ;)
dan gaan fotografen toch alleen low-resolution varianten aanbieden en alleen tegen betaling voor hoge resolutie? Zal niet in alle gevallen een mogelijkheid zijn maar lijkt mij een redelijk passende oplossing voor heel veel gevallen.
Dat is in be praktijk al wat iedereen doet, ook gewoon omdat 10Mb+ niet handig is op het web. Helaas jat menigeen lage resolutie foto's en gebruikt ze gewoon op die manier.
Ja dat klopt wel, ik ben zelf ook niet op de hoogte van hoe alles precies in elkaar zit dus handig om te weten dat dat al gebeurt :)
Verder is de enige manier DMCA / aanklagen maar dat is vaak niet praktisch. Vinden is gelukkig wel makkelijk, gewoon google image search en een afbeelding uploaden.
Er zijn ook al redelijk succesvolle Neurale Netwerken die de resolutie verhogen. :Y)
Nee, je krijgt hierdoor lelijkere watermerken, zonder transaparancy ... een volledige witte achtergrond zodat er voor de AI ook niets te raden valt.
Dat blijft dus even ouderwets pixel poetsen voor spokje ;)
Dan moet spokje wel weten wat er onder het "dichte" watermerk ligt. Als je de lageren heb gemerged is er geen AI die dat kan raden.
Daarom pixel poetsen. Met de hand dus.

Clone stamp in PS does the trick in many cases
Hopelijk komt zoiets online: foto uploaden en het resultaat downloaden. Ik heb nog wel een paar oude foto's met een handscanner, tig jaar geleden gescant. Daar zou ik dan wel de ruis uitgehaald willen hebben.

Ook kansen voor foto's waar een watermerk in zit! :D
Zoals foto's waarvoor de eigenaar graag royalties ontvangt...laten we dat systeem dan ook meteen maar afschaffen. Toch?
Voordeel van foto's is dat je als eigenaar ook kan zoeken welke sites jou foto gebruikt hebben. Geen rechten betaald en je mag gewoon een factuur sturen.
Ja behalve dat niet alles online is. Een reclame campang op posters met mijn werk er in in bijvoorbeeld Mexico zal ik nooit doorhebben. Zelfs in Nederland is het snel te missen. ik wil ook niet steeds opnieuw alles wat online staat reverse images searche.
Voor watermerken heeft volgens mij Google laatst al een ai gemaakt. Stond ook op tweakers. Vervolgens toen het gelukt was heeft Google een nieuwe type water merk gemaakt wat het ai niet kon weg krijgen.
En de foto's met nietjes in het midden.
Gaaf. Kunnen we gewoon die graaiers van een fotografen gaan belazeren. Zal ze leren met hun minimuminkomen.
Het systeem weet niet alleen ruis, maar ook achteraf in een foto geplakte tekst effectief te verwijderen.
Interessant, zou dit ook van toepassing kunnen zijn op foto's waar een datum-watermerk zichtbaar is?
Denk het wel. Stockfoto websites zullen hier niet blij mij zijn. Maar voor fotografen is dit super!
maar voor fotografen is dit super!

Zou je mij dit eens willen uitleggen?
Juist voor fotografen is het vervelend als watermerken etc makkelijk weg te halen zijn. Omdat hun werk tegen onrechtmatig kopiŽren te beschermen daarmee heel veel lastiger gaat worden.
omdat als je foto is verprutst je het kan fixxen op deze manier........
Het is wel easy money als je foto's gebruikt worden terwijl je daar geen toestemming voor hebt gegeven. Dat opent een hele nieuwe markt voor bedrijven die dat soort kopieŽn gaan opsporen die niet rechtmatig verkregen zijn. Dat probleem lost zich vanzelf dus wel op.

Op dit item kan niet meer gereageerd worden.


Apple iPhone XS HTC U12+ dual sim LG W7 Google Pixel 3 XL OnePlus 6 Battlefield V Samsung Galaxy S10 Google Pixel 3

Tweakers vormt samen met Tweakers Elect, Hardware.Info, Autotrack, Nationale Vacaturebank en Intermediair de Persgroep Online Services B.V.
Alle rechten voorbehouden © 1998 - 2018 Hosting door True