ВИДЕОМОНТАЖЁРDAVINCI RESOLVE · ВИДЕО · AI
ОбработкаFUSION

AutoGain

автоматическая нормализация диапазона

Каждый кадр автоматически находит самые тёмные и яркие значения и линейно растягивает их к заданному выходному диапазону Low/High; Do Z переносит ту же операцию на Z/Depth.

Нода в работе
Иллюстрация нодыAutoGain
РезультатИзображение

AutoGain

Обзор

Что делает AutoGain

AutoGain автоматически анализирует входное изображение и определяет текущие крайние значения. Самый тёмный уровень отображается в Low, самый яркий — в High, а промежуточные значения линейно перераспределяются между ними. По умолчанию Low = 0.0 и High = 1.0, поэтому полезный диапазон кадра растягивается от чёрного до белого.

Low и High принципиально важно читать как целевой выходной Range. Это не input clipping thresholds и не ручные black/white points, которыми вы выбираете, какие входные значения считать минимумом и максимумом. Входные экстремумы AutoGain находит сам.

Руководство Blackmagic приводит простой тест: горизонтальный градиент от 0.2 до 0.8, пропущенный через AutoGain с Low = 0.0 и High = 0.5, получает самый тёмный конец в 0.0, самый яркий — в 0.5, а весь промежуточный диапазон масштабируется между ними.

Именно автоматический поиск экстремумов делает AutoGain удобным и одновременно опасным во времени. Если яркий объект выходит из тёмного кадра, новый максимум становится ниже и оставшаяся сцена внезапно усиливается сильнее. На playback это выглядит как глобальный brightness/contrast pumping, хотя параметры ноды не анимировались.

Та же проблема существует на тёмных экстремумах. Появление или исчезновение очень тёмного объекта, тени, clipped region или технического outlier меняет найденный минимум и может сдвинуть весь остальной диапазон. Поэтому один hero frame не подтверждает temporal stability AutoGain.

Do Z переключает эту автоматическую операцию на Z/Depth channels. Blackmagic описывает это как способ сопоставить диапазоны Z-pass или сделать float depth удобнее для просмотра/диагностики. Это не превращает AutoGain в генератор глубины: upstream уже должен содержать корректный Z-channel.

Для production-depth Do Z требует особой осторожности. Если near/far объект входит или выходит из сцены, автоматически найденный depth range меняется, и уже существующие объекты могут получить другие нормализованные Z-значения на следующем кадре. Для downstream Depth Blur/Fog/3D matching это может быть разрушительно, даже если картинка в Viewer выглядит понятнее.

По этой причине AutoGain с Do Z лучше рассматривать как диагностический или range-matching инструмент на контролируемой ветви, а не как обязательную подготовку каждого Z-pass. Для простого просмотра float data руководство Resolve отдельно отмечает, что Viewer Normalized Image обычно более подходящий вариант, потому что он не обязан переписывать сами image values.

Effect Mask — отдельный синий input. Руководство Resolve 21 уточняет, что mask применяется после обработки ноды и ограничивает уже рассчитанный AutoGain result. Это важно: mask не следует описывать как область, по которой AutoGain гарантированно вычисляет min/max статистику.

Следствие post-process mask semantics: если нужна коррекция только части кадра, Effect Mask действительно ограничит видимый вклад, но глобальная автоматическая нормализация всё равно остаётся статистически чувствительной к входному кадру. Не стройте workflow, где Rectangle якобы заставляет AutoGain 'измерять только лицо', без отдельной live-проверки конкретной версии.

AutoGain хорошо подходит для быстрых технических задач: растянуть узкий grayscale pass, проверить, есть ли полезный диапазон в float image, быстро сделать low-contrast plate читаемым для диагностики или сравнить два controlled depth pass. Но художественную экспозицию, контраст и shot matching лучше выполнять инструментами с явными, стабильными параметрами.

Очень яркий specular, hot pixel, noise spike или единичное сверхтёмное значение может стать экстремумом и заставить большую часть изображения занять слишком узкую часть Range. Любой statistics-driven auto stretch чувствителен к таким outliers; если результат неожиданно плоский, ищите экстремальные pixels, а не сразу увеличивайте High.

В HDR/float workflow значения могут лежать за привычными 0–1. AutoGain способен сделать такой диапазон удобнее для просмотра, но это всё равно remap данных. Если задача — только увидеть диапазон, отделяйте viewer normalization от реального изменения пикселей в comp.

Low/High можно использовать не только как 0–1. High ниже 1.0 сохраняет верхний headroom в выходном представлении; Low выше 0.0 поднимает нижнюю границу. Но смысл операции остаётся тем же: текущий входной min/max отображается в выбранные output endpoints.

Common Settings вроде Blend и channel-processing controls относятся к общей инфраструктуре Fusion и не являются тремя dedicated Controls AutoGain. На captured Inspector этой статьи эффект-специфичная вкладка действительно состоит только из Do Z и двух частей Range: Low/High.

Главный production-тест AutoGain — frame-to-frame continuity. Перед сдачей прокрутите участок с максимальными изменениями света, появлением/исчезновением ярких объектов и, для Do Z, изменением near/far geometry. Если глобальные уровни или глубина плавают, замените automatic normalization на более стабильный явный pipeline.

Когда применять

  • Быстро растянуть низкоконтрастный технический image для диагностики.

  • Проверить полный диапазон float image без ручного подбора gain/offset.

  • Нормализовать контролируемый grayscale/matte test pass перед анализом.

  • Сопоставить диапазон двух контролируемых Z-pass на отдельной технической ветви.

  • Проверить наличие и динамический диапазон Z/Depth data через Do Z.

  • Создать учебный пример автоматического min/max → Low/High remap.