前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >【提升效率】新手最容易忽略的6个AI“冷技巧”

【提升效率】新手最容易忽略的6个AI“冷技巧”

作者头像
用户1730674
发布于 2019-05-30 06:54:44
发布于 2019-05-30 06:54:44
1.7K0
举报
文章被收录于专栏:我分享我快乐我分享我快乐

在使用AI软件的过程中,我们多多少少还是会遇到一些问题。那么今天段老师就来和同学们聊一下,我们在使用AI中的一些提升效率的小技巧。希望可以帮助到正在学习的你~

第一技: 巧用橡皮擦工具

擦除对象,默认功能非常强大,填充/描边均可拿下,但依然会有被忽略的使用方法哦~

1. 更改橡皮擦形状

根据上图参数调整后,光标会变成以下样式

擦除效果如下:

2. 快速切割对象

依然是橡皮擦工具,鼠标拖拽时按住Alt键即可拉出一个虚线框,松开鼠标后,对象就直接被虚线框切割了,是不是很快很方便?(比路径查找器快多了吧^_^)

切割效果如下:

第二技: 利用拼合透明度裁剪位图

举例说明:

现需要将上图中文字区域切割(去掉周围大片留白),但常规作法无外乎以下几种:PS裁切 / QQ截图再粘贴 / 剪切蒙版 / 不透明蒙版 / …

但!!! 你不觉得这种方法除了麻烦还会产生很多额外图层吗?作为一名完美主义者的设计师我必须要告诉你解决方法:

第一步,在需要切出的地方画一个矩形,并填充除了黑、白、灰以外的任意颜色;

第二步,将该对象的透明度设置为0,并去掉描边

第三步,执行菜单的 对象 \ 拼合透明度 命令,无需任何设置,点击“确定”

第四步,取消群组,你会发现想要的区域已经完好无损地切出来啦~简单吧

第三技: 查找最接近的专色

对于平面及印刷的同学,你可曾翻遍Pantone色卡本,却依然找不到与目标接近的专色?

现在,你只需在AI里操作几下,然后直接去色卡本找那个编号,省下的时间去喝杯咖啡吧~

第一步,选中对象,点击“颜色”面板右上角,出现下拉菜单,然后点击“创建新色板”

第二步,建立色板后,切换到“颜色参考”面板,点击面板下方图标,出现下拉菜单,然后点击“色标簿”\ PANTONE+ Solid Coated(这里可选择自己需要查找的色卡类型)

第三步,色卡类型选好后,单击“颜色参考”面板推荐的颜色,然后切换到“颜色”面板,最接近目标的专色号就呈现在你的面前。

第四技: 精确分布对象

AI更偏于创作,而不像Autodesk的软件那样有极高的精确度,但AI也可以通过具体数值来控制对象属性,其中最实用也常被忽略的莫过于“分布间距”这个功能了。

上面两行分别是“对齐对象”和“分布对象”,大家肯定不陌生,而下面的“分布间距”是根据具体参数来分布多个对象的,例子在下面。

第五技: 使用吸管工具复制样式

关于吸管工具的用法,这里只介绍它与快捷键组合后的功能。

与Shift键组合:仅提取目标颜色并应用到当前属性,以下图为例,红色矩形提取黑色来填充而不影响描边。

与Alt键组合:提取并应用当前软件设置的属性(很重要,提高效率的必备良药)

按住Alt键后,吸管图标会变成这样

与Alt键组合可以提取并应用的对象属性很多,比如填充/描边的颜色,文字的字体字号等

第六技: 画板的模版功能

此功能比较简单,仅以下几点稍加留意即可:

1. 画板的堆叠顺序

2. 先命名画板再导出文件更易管理

3. 多画板文件的模版应用

4. 多画板另存时单独选择,如下图

AI快捷键分享

工具箱

移动工具 【V】

直接选取工具、组选取工具 【A】

钢笔、添加锚点、删除锚点、改变路径角度 【P】

添加锚点工具 【+】

删除锚点工具 【-】

文字、区域文字、路径文字、竖向文字、竖向区域文字、竖向路径文字 【T】

椭圆、多边形、星形、螺旋形 【L】

增加边数、倒角半径及螺旋圈数(在【L】、【M】状态下绘图) 【↑】

减少边数、倒角半径及螺旋圈数(在【L】、【M】状态下绘图) 【↓】

矩形、圆角矩形工具 【M】

画笔工具 【B】

铅笔、圆滑、抹除工具 【N】

旋转、转动工具 【R】

缩放、拉伸工具 【S】

镜向、倾斜工具 【O】

自由变形工具 【E】

混合、自动勾边工具 【W】

图表工具(七种图表) 【J】

渐变网点工具 【U】

渐变填色工具 【G】

颜色取样器 【I】

油漆桶工具 【K】

剪刀、餐刀工具 【C】

视图平移、页面、尺寸工具 【H】

放大镜工具 【Z】

默认前景色和背景色 【D】

切换填充和描边 【X】

标准屏幕模式、带有菜单栏的全屏模式、全屏模式 【F】

切换为颜色填充 【<】

切换为渐变填充 【>】

切换为无填充 【/】

临时使用抓手工具 【空格】

精确进行镜向、旋转等操作 选择相应的工具后按【回车】

复制物体 在【R】、【O】、【V】等状态下按【Alt】+【拖动】

文件操作

新建图形文件 【Ctrl】+【N】

打开已有的图像 【Ctrl】+【O】

关闭当前图像 【Ctrl】+【W】

保存当前图像 【Ctrl】+【S】

另存为… 【Ctrl】+【Shift】+【S】

存储副本 【Ctrl】+【Alt】+【S】

页面设置 【Ctrl】+【Shift】+【P】

文档设置 【Ctrl】+【Alt】+【P】

打印 【Ctrl】+【P】

打开“预置”对话框 【Ctrl】+【K】

回复到上次存盘之前的状态 【F12】

编辑操作

还原前面的操作(步数可在预置中) 【Ctrl】+【Z】

重复操作 【Ctrl】+【Shift】+【Z】

将选取的内容剪切放到剪贴板 【Ctrl】+【X】或【F2】

将选取的内容拷贝放到剪贴板 【Ctrl】+【C】

将剪贴板的内容粘到当前图形中 【Ctrl】+【V】或【F4】

将剪贴板的内容粘到最前面 【Ctrl】+【F】

将剪贴板的内容粘到最后面 【Ctrl】+【B】

删除所选对象 【DEL】

选取全部对象 【Ctrl】+【A】

取消选择 【Ctrl】+【Shift】+【A】

再次转换 【Ctrl】+【D】

发送到最前面 【Ctrl】+【Shift】+【]】

向前发送 【Ctrl】+【]】

发送到最后面 【Ctrl】+【Shift】+【[】

向后发送 【Ctrl】+【[】

群组所选物体 【Ctrl】+【G】

取消所选物体的群组 【Ctrl】+【Shift】+【G】

锁定所选的物体 【Ctrl】+【2】

锁定没有选择的物体 【Ctrl】+【Alt】+【Shift】+【2】

全部解除锁定 【Ctrl】+【Alt】+【2】

隐藏所选物体 【Ctrl】+【3】

隐藏没有选择的物体 【Ctrl】+【Alt】+【Shift】+【3】

显示所有已隐藏的物体 【Ctrl】+【Alt】+【3】

联接断开的路径 【Ctrl】+【J】

对齐路径点 【Ctrl】+【Alt】+【J】

调合两个物体 【Ctrl】+【Alt】+【B】

取消调合 【Ctrl】+【Alt】+【Shift】+【B】

调合选项 选【W】后按【回车】

新建一个图像遮罩 【Ctrl】+【7】

取消图像遮罩 【Ctrl】+【Alt】+【7】

联合路径 【Ctrl】+【8】

取消联合 【Ctrl】+【Alt】+【8】

图表类型 选【J】后按【回车】

再次应用最后一次使用的滤镜 【Ctrl】+【E】

应用最后使用的滤镜并调节参数 【Ctrl】+【Alt】+【E】

文字处理

文字左对齐或顶对齐 【Ctrl】+【Shift】+【L】

文字中对齐 【Ctrl】+【Shift】+【C】

文字右对齐或底对齐 【Ctrl】+【Shift】+【R】

文字分散对齐 【Ctrl】+【Shift】+【J】

插入一个软回车 【Shift】+【回车】

精确输入字距调整值 【Ctrl】+【Alt】+【K】

将字距设置为0 【Ctrl】+【Shift】+【Q】

将字体宽高比还原为1比1 【Ctrl】+【Shift】+【X】

左/右选择 1 个字符 【Shift】+【←】/【→】

下/上选择 1 行 【Shift】+【↑】/【↓】

选择所有字符 【Ctrl】+【A】

选择从插入点到鼠标点按点的字符 【Shift】

加点按左/右移动 1 个字符 【←】/【→】

下/上移动 1 行 【↑】/【↓】

左/右移动1个字 【Ctrl】+【←】/【→】

光标移到最前面 【HOME】

光标移到最后面 【END】

选择到最前面 【Shift】+【HOME】

选择到最后面 【Shift】+【END】

将文字转换成路径 【Ctrl】+【Shift】+【O】

视图操作

将图像显示为边框模式(切换) 【Ctrl】+【Y】

对所选对象生成预览(在边框模式中) 【Ctrl】+【Shift】+【Y】

放大视图 【Ctrl】+【+】

缩小视图 【Ctrl】+【-】

放大到页面大小 【Ctrl】+【0】

实际象素显示 【Ctrl】+【1】

显示/隐藏所路径的控制点 【Ctrl】+【H】

隐藏模板 【Ctrl】+【Shift】+【W】

显示/隐藏标尺 【Ctrl】+【R】

显示/隐藏参考线 【Ctrl】+【;】

锁定/解锁参考线 【Ctrl】+【Alt】+【;】

将所选对象变成参考线 【Ctrl】+【5】

将变成参考线的物体还原 【Ctrl】+【Alt】+【5】

贴紧参考线 【Ctrl】+【Shift】+【;】

显示/隐藏网格 【Ctrl】+【”】

应用敏捷参照 【Ctrl】+【U】

显示/隐藏“字体”面板 【Ctrl】+【T】

显示/隐藏“段落”面板 【Ctrl】+【M】

显示/隐藏“画笔”面板 【F5】

显示/隐藏“颜色”面板 【F6】/【Ctrl】+【I】

显示/隐藏“图层”面板 【F7】

显示/隐藏“信息”面板 【F8】

显示/隐藏“渐变”面板 【F9】

显示/隐藏“描边”面板 【F10】

显示/隐藏“属性”面板 【F11】

显示/隐藏所有命令面板 【TAB】

好啦

今天的"AI"小知识

就先分享到这里了

同学们在学习中还有哪些困惑

都可以在后台给老师留言

我们下期见

·END·

时刻提醒自己

不抱怨,多实践,终达成功彼岸!

我的座右铭:不能领跑也绝不放弃!

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-05-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 我分享我快乐 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
该卸载PhotoShop了!MIT用AI实现3分钟自动抠图,精细到头发丝
最近,MIT计算机科学与人工智能实验室(CSAIL)的研究人员开发了一种AI辅助的图像编辑工具,它可以自动抠图,替换任何图像的背景。
新智元
2018/09/25
8500
该卸载PhotoShop了!MIT用AI实现3分钟自动抠图,精细到头发丝
细粒度图像分割 (FGIS)
如今,照片逼真的编辑需要仔细处理自然场景中经常出现的颜色混合,这些颜色混合通常通过场景或对象颜色的软选择来建模。因此,为了实现高质量的图像编辑和背景合成,精确表示图像区域之间的这些软过渡至关重要。工业中用于生成此类表示的大多数现有技术严重依赖于熟练视觉艺术家的某种用户交互。因此,创建如此准确的显著性选择成为一项昂贵且繁琐的任务. 为了填补熟练视觉艺术家的空白,我们利用计算机视觉来模拟人类视觉系统,该系统具有有效的注意力机制,可以从视觉场景中确定最显着的信息。这类问题也可以解释为前景提取问题,其中显着对象被视为前景类,其余场景为背景类。计算机视觉和深度学习旨在通过一些选择性研究分支对这种机制进行建模,即图像抠图、显著目标检测、注视检测和软分割。值得注意的是,与计算机视觉不同,深度学习主要是一种数据密集型研究方法。
小白学视觉
2022/02/12
4510
细粒度图像分割 (FGIS)
MIT语义软分割实现精细“抠图”,有助于打造逼真的电影特效
随着电影越来越注重CGI,电影制作人必须越来越擅长“合成”,即合并前景和背景图像,例如将演员放置在飞机或行星的顶部,或者放入《黑豹》的Wakanda这样的虚构世界。
AiTechYun
2018/09/26
1K0
MIT语义软分割实现精细“抠图”,有助于打造逼真的电影特效
图卷积网络介绍及进展【附PPT与视频资料】
图是现实世界中一类重要的数据结构,社交网络、通讯网络、交通网络、蛋白质作用网络等都可以由图的形式表达。图的生成与分类、社区发现、节点分类等任务也有着广泛应用。近几年图卷积神经网络把深度学习中卷积神经网络的思想用到图的学习上,达到了非常好的效果。本文主要介绍图卷积网络的基本概念以及关于它的一些进展。
马上科普尚尚
2020/05/11
1.2K0
图卷积网络介绍及进展【附PPT与视频资料】
12. 泊松图像编辑
我们之前已经学到了从cut-and-paste到多频带融合等图像的合成和融合技术。它们各自都有一些缺点。
HawkWang
2020/04/17
1.1K0
12. 泊松图像编辑
【技术分享】快速迭代聚类
  在分析快速迭代聚类之前,我们先来了解一下谱聚类算法。谱聚类算法是建立在谱图理论的基础上的算法,与传统的聚类算法相比,它能在任意形状的样本空间上聚类且能够收敛到全局最优解。 谱聚类算法的主要思想是将聚类问题转换为无向图的划分问题。
腾讯云TI平台
2019/07/04
9060
【技术分享】快速迭代聚类
无需用户输入,Adobe提出自动生成高质量合成图像新方法
图像合成是指组合不同图像中的部分区域以合成一张新的图像,一个常见的用例是肖像图片的背景替换。为了获得高质量的合成图像,经常需要专业人员手动执行多个编辑步骤,例如图像分割、抠图、前景色彩去污,即使使用复杂的图像编辑工具,这些步骤也是非常耗时的。
机器之心
2020/11/20
6310
无需用户输入,Adobe提出自动生成高质量合成图像新方法
【GNN】一文读懂图卷积GCN
“ 本文的内容包括图卷积的基础知识以及相关辅助理解的知识点,相信同学们看完后一定能平滑上手理解GCN!”
zenRRan
2019/12/26
3.7K0
【GNN】一文读懂图卷积GCN
【GCN】万字长文带你入门 GCN
断断续续写了一个多星期,期间找了很多同学讨论学习,感谢指导过点拨过我的同学们,为了精益求精本着不糊弄别人也不糊弄自己的原则在本文中探讨了很多细节。
阿泽 Crz
2020/07/21
5.2K0
【GCN】万字长文带你入门 GCN
体积正则图的逐步社区检测
作者:Luca Becchetti,Emilio Cruciani,Francesco Pasquale,Sara Rizzo
罗大琦
2019/07/18
4780
【GNN】图神经网络综述
本篇文章是对论文“Wu Z , Pan S , Chen F , et al. A Comprehensive Survey on Graph Neural Networks[J]. 2019.“”的翻译与笔记
zenRRan
2020/02/18
1.8K0
【重磅】Facebook AI 负责人:深度学习技术趋势报告(150 PPT 全文翻译及下载)
Yann LeCun 是卷积神经网络的发明人,Facebook 人工智能研究院的负责人。下文的 150 张 PPT,是 LeCun 对深度学习领域的全面而细致的思考。LeCun 非常坚定看好无监督学习,认为无监督学习是能够提供足够信息去训练数以十亿计的神经网络的唯一学习形式。 但 LeCun 也认为,这要做好非常难,毕竟世界是不可理解的。我们来看看 LeCun 在这 150 张 PPT 中,究竟给我们带来什么样的惊喜。 Yann LeCun:150 PPT 全文 如需下载全文,请在新智元订阅号回复 03
新智元
2018/03/20
1.3K0
【重磅】Facebook AI 负责人:深度学习技术趋势报告(150 PPT 全文翻译及下载)
手把手解释实现频谱图卷积
图1:左边的傅里叶基(DFT矩阵),其中每列或每行是基向量,重新整合成28×28(如右边所示),即右边显示20个基向量。傅里叶基利用计算频谱卷积进行信号处理。如图所示,本文采用的正是拉普拉斯基方法。
AI科技评论
2019/09/12
1.5K0
手把手解释实现频谱图卷积
论文 | 半监督学习下的高维图构建
磐创AI 专注分享原创AI技术文章 翻译 | 荔枝boy 编辑 | 磐石 出品 | 磐创AI技术团队 【磐创AI导读】:本文主要介绍了半监督下的高纬图重建。欢迎大家点击上方蓝字关注我们的公众号:磐创AI。 目录 一.简述 二.介绍 三.概述 四.总结 一.简述 本次翻译一篇Liu Wei的一篇论文,之前介绍谱聚类的时候大家都知道,用谱聚类对样本进行分割,大概的流程就是先将原始数据通过不同的规则构建出相似度矩阵,然后再用相似度矩阵表示拉普拉斯矩阵,再对拉普拉斯矩阵进行特征分解,
磐创AI
2018/07/03
7390
详解谱聚类原理
作者 | 荔枝boy 编辑 | 磐石 出品 | 磐创AI技术团队 【磐创AI导读】:本文详细介绍了谱聚类的原理。欢迎大家点击上方蓝字关注我们的公众号:磐创AI。 目录 一. 拉普拉斯矩阵性质 二.拉普拉斯矩阵与图分割的联系 三.Ratiocut 四.总结 一.拉普拉斯矩阵性质 这篇文章可能会有些枯燥,着重分享了谱聚类的原理中的一些思想,以及自己本人对谱聚类的一些理解。如果在看完这篇文章后,也能解决你对谱聚类的一些疑问,想必是对你我都是极好的。在之前查阅了很多关于谱聚类的资料,
磐创AI
2018/07/03
1.3K0
无需用户输入,Adobe提出自动生成高质量合成图像新方法
图像合成是指组合不同图像中的部分区域以合成一张新的图像,一个常见的用例是肖像图片的背景替换。为了获得高质量的合成图像,经常需要专业人员手动执行多个编辑步骤,例如图像分割、抠图、前景色彩去污,即使使用复杂的图像编辑工具,这些步骤也是非常耗时的。
代码医生工作室
2020/11/20
4540
无需用户输入,Adobe提出自动生成高质量合成图像新方法
流形学习概述
同时在本微信公众号中,回复“SIGAI”+日期,如“SIGAI0515”,即可获取本期文章的全文下载地址(仅供个人学习使用,未经允许,不得用于商业目的)。
SIGAI学习与实践平台
2018/08/07
6990
流形学习概述
腾讯提出自适应图卷积神经网络,接受不同图结构和规模的数据
选自arXiv 作者:Ruoyu Li等 机器之心编译 参与:路雪 近日,AAAI 2018 发布接收论文列表,腾讯 AI Lab 共入选 11 篇。在论文《Adaptive Graph Convolutional Neural Networks》中,腾讯联合德克萨斯大学阿灵顿分校提出自适应图卷积神经网络 AGCN,可接受任意图结构和规模的图作为输入。 论文:自适应图卷积神经网络(Adaptive Graph Convolutional Neural Networks) 论文链接:https://arxiv
企鹅号小编
2018/02/05
1K0
腾讯提出自适应图卷积神经网络,接受不同图结构和规模的数据
流形学习概述
在很多应用中,数据的维数会很高。以图像数据为例,我们要识别32x32的手写数字图像,如果将像素按行或者列拼接起来形成向量,这个向量的维数是1024。高维的数据不仅给机器学习算法带来挑战,而且导致计算量大,此外还会面临维数灾难的问题(这一问题可以直观的理解成特征向量维数越高,机器学习算法的精度反而会降低)。人所能直观看到和理解的空间最多是3维的,为了数据的可视化,我们也需要将数据投影到低维空间中,因此就需要有数据降维这种算法来完成此任务。
SIGAI学习与实践平台
2018/07/23
1.4K0
流形学习概述
谱聚类算法(Spectral Clustering)
谱聚类(Spectral Clustering, SC)是一种基于图论的聚类方法——将带权无向图划分为两个或两个以上的最优子图,使子图内部尽量相似,而子图间距离尽量距离较远,以达到常见的聚类的目的。其中的最优是指最优目标函数不同,可以是割边最小分割——如图1的Smallest cut(如后文的Min cut), 也可以是分割规模差不多且割边最小的分割——如图1的Best cut(如后文的Normalized cut)。
AIHGF
2019/02/18
1.8K0
推荐阅读
相关推荐
该卸载PhotoShop了!MIT用AI实现3分钟自动抠图,精细到头发丝
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档