Den nye funktion i Lightroom, den generative AI-fjernelsesværktøj, genererer spænding blandt brugerne, selvom resultatet kan være uforudsigeligt. Det er vigtigt at forstå, hvordan man effektivt bruger dette værktøj i forskellige situationer. I denne informative video af Anthony Morganti deler han værdifulde indsigter om de bedste tilgange til at bruge Lightrooms generative AI-fjernelsesværktøj. Morganti viser først, hvordan man effektivt fjerner sensormærker eller vanddråber fra et billede. For at opnå dette anbefaler han at deaktivere den generative AI og objektbevidste funktioner. Ved at gøre dette fungerer værktøjet på samme måde som før og erstatter de uønskede pletter med pixels fra det omkringliggende område. Denne teknik er hurtig og effektiv til mindre rettelser. Men når det kommer til mere komplekse redigeringer, som f. eks. at fjerne en person fra et foto, ændres tilgangen. Morganti fremhæver værktøjets begrænsninger uden den generative AI og objektbevidste funktioner, hvilket ofte resulterer i uensartede teksturer og gentagne elementer.

Han aktiverer derefter den generative AI og objektbevidste funktioner for at vise, hvordan disse funktioner forbedrer værktøjets evne til at forstå og sømløst udfylde huller. AI'en trækker på en omfattende database af billeder for at give mere realistiske erstatninger og tilbyder flere variationer at vælge imellem. I endnu mere udfordrende scenarier, såsom at fjerne en person fra en detaljeret baggrund, foreslår Morganti, at man justerer sin masksmetode. En maske i form af en person kan føre til, at AI'en erstatter personen med en anden person. I stedet anbefales det at bruge en firkantet maske, der opmuntrer AI'en til at udfylde baggrunden med mere passende elementer. Denne metode giver ofte overlegne resultater og undgår de mærkelige erstatninger, der kan forekomme med objektformede masker. Det er vigtigt at bemærke, at det i visse situationer kan være nødvendigt at afprøve begge metoder. Morganti giver et eksempel ved hjælp af et billede af to personer foran en sporvogn og viser, hvordan resultaterne kan variere, og understreger behovet for eksperimentering. Selvom AI'ens variationer nogle gange kan se realistiske ud, er der tilfælde, hvor de ikke gør det, så det er vigtigt at være fleksibel i sin tilgang. Husk at se videoen ovenfor for en omfattende gennemgang fra Morganti.