RapidRAW v1.1.0发布本地AI图像分割与跨平台支持【免费下载链接】RapidRAWA beautiful, non-destructive, and GPU-accelerated RAW image editor built with performance in mind.项目地址: https://gitcode.com/gh_mirrors/ra/RapidRAWRapidRAW是一款专注于RAW图像处理的工具最新发布的v1.1.0版本带来了令人兴奋的AI图像分割功能同时扩展了对Linux平台的支持。这款工具旨在为摄影师和图像处理专业人士提供高效、本地的图像处理解决方案。核心特性本地AI图像分割v1.1.0版本最引人注目的新特性是集成了基于Meta开源SAM模型的AI图像分割功能。这一功能通过onnxruntime使用ort crate实现在本地运行无需依赖云服务既保护了用户隐私又确保了处理速度。技术实现上RapidRAW采用了约50MB大小的SAM模型该模型会在首次生成AI遮罩时自动下载。这种设计既保持了应用的轻量化又确保了功能的完整性。值得注意的是整个AI处理流程完全在本地完成不会将用户图像数据上传到任何服务器。跨平台兼容性改进本次更新显著提升了跨平台支持macOS支持提供了aarch64架构的dmg安装包但需要注意由于应用尚未进行代码签名用户需要手动移除macOS的隔离标志才能正常运行。Linux支持新增了Linux平台的构建版本虽然开发者表示尚未完全测试Linux环境下的兼容性但这标志着RapidRAW向更广泛的开源生态系统迈出了重要一步。Windows支持继续提供x64架构的安装程序确保Windows用户能够获得稳定的使用体验。技术细节与使用建议对于macOS用户首次运行时需要执行终端命令移除隔离标志这是苹果系统对未签名应用的安全限制。开发者计划在后续版本中解决这一问题。AI模型采用按需下载机制首次使用时会自动获取约50MB的SAM模型文件。这种设计平衡了安装包大小和功能完整性的需求。开发者表示将在下个版本中改进下载过程的用户体验添加进度提示等功能。未来展望从本次更新可以看出RapidRAW的发展方向在保持核心图像处理能力的同时积极整合前沿AI技术并扩大平台覆盖范围。本地AI处理的实现特别值得关注它反映了当前桌面应用向隐私保护型AI发展的趋势。对于技术爱好者而言RapidRAW选择使用Rust生态中的ort crate来实现ONNX运行时支持以及整合开源SAM模型的方案都体现了现代桌面应用开发的最佳实践。这些技术决策既保证了性能又确保了应用的可持续维护。随着v1.1.0的发布RapidRAW正逐步成长为一款功能全面、注重隐私且跨平台的图像处理解决方案值得摄影师和图像处理专业人士关注。【免费下载链接】RapidRAWA beautiful, non-destructive, and GPU-accelerated RAW image editor built with performance in mind.项目地址: https://gitcode.com/gh_mirrors/ra/RapidRAW创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考