当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > TCL 华星领先业内,成功研发ΔE屏幕色准提升技术

TCL 华星领先业内,成功研发ΔE屏幕色准提升技术

来源:IT之家 2023-12-21 16:58:13 0浏览 收藏

本篇文章向大家介绍《TCL 华星领先业内,成功研发ΔE屏幕色准提升技术》,主要包括,具有一定的参考价值,需要的朋友可以参考一下。

本站 12 月 21 日消息,屏幕供应商 TCL 华星今日宣布,已全新开发 Δ E 色准提升技术,成为业内首家在 MNT 模组端实现色准调校的公司。

业内首家,TCL 华星成功研发 ΔE 屏幕色准提升技术
▲ 图源“TCL 华星”公众号,下同

本站注:对原始输入色彩的还原程度,是衡量显示器性能的重要标准,影响最终画质呈现效果。而量化显示色彩与输入内容原始色彩标准之间差异的常用指标,是由国际照明委员会(CIE)制定的 ΔE(Delta-E)标准。ΔE 数值越小,代表色彩准确度越高

不同的输入内容在原始色彩标准上有所不同,这是因为它们在使用领域上有不同的要求。通用色彩标准sRGB适用于多种领域,而数字媒体和游戏行业广泛采用DCI-P3标准,艺术设计和专业摄影则常用Adobe RGB标准

业内首家,TCL 华星成功研发 ΔE 屏幕色准提升技术
▲ 各种色彩标准

为满足用户还原真实世界的显示场景需求,ΔE 调校技术应运而生。通过对屏幕的逐片调校,将屏幕的色点调校至所需色彩的标准点位,使其显色更加接近真实世界,为用户带来高级视觉感。

TCL 华星表示,技术团队经过 2 年的不懈努力,成功研发 ΔE 色准提升技术,成为业内首家在 MNT 模组端实现色准调校的公司

据介绍,针对传统算法方案存在高资源或效果不佳的痛点与风险,TCL 华星提出全新融合算法 —— CGM IP,实现 ΔE 色准“行业领先”。

业内首家,TCL 华星成功研发 ΔE 屏幕色准提升技术
▲ TCL 华星自研 CGM IP

在量产化应用中,TCL 华星建立高集成度的画质调试工站。以 Gamma、ΔE 校正的一站式调校为基础,应用并行调校算法,并辅以自动化软件,达到高效调试的目的。

此外,TCL 华星通过设计优化与制造工艺的精进,为面板 OC / 背光 LED 提供了保证,将模组色点波动进行有效控制

TCL 华星成功获得莱茵高游戏性能金牌认证的是他们打造的一款32英寸UHD 240Hz显示器

业内首家,TCL 华星成功研发 ΔE 屏幕色准提升技术
▲ TCL 华星 32 英寸 UHD 240Hz R1000 电竞屏

好了,本文到此结束,带大家了解了《TCL 华星领先业内,成功研发ΔE屏幕色准提升技术》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多科技周边知识!

版本声明
本文转载于:IT之家 如有侵犯,请联系study_golang@163.com删除
联力UNI FAN TL LCD:领航风扇创新的新一代进化联力UNI FAN TL LCD:领航风扇创新的新一代进化
上一篇
联力UNI FAN TL LCD:领航风扇创新的新一代进化
最高法院:将AI排除在“发明人”范畴之外
下一篇
最高法院:将AI排除在“发明人”范畴之外
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    187次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    243次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    201次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    183次使用
  • CMMLU中文大模型评估基准:功能、使用教程与应用场景解析
    CMMLU
    深入了解CMMLU中文评估基准,涵盖67个学科主题,提供数据集下载、Zero-shot/Five-shot评估方法及排行榜,助力优化中文语言模型性能。
    172次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议隐私政策
返回登录
  • 重置密码