新闻详情

新闻详情

首页 / 资讯中心 / 详情

【2026年6月ds】Bracketed词源(摄影术语包围曝光bracketed exposure sequence)

发布时间:2026/11/3 19:02:14来源:尧图网络
【2026年6月ds】Bracketed词源(摄影术语包围曝光bracketed exposure sequence)
这是一个非常棒的词源学问题Bracketed这个词在摄影术语中虽然专指“包围曝光”但它的词源非常有趣来自于数学和排版中的“括号”。下面为你深度拆解它的来龙去脉1. 核心词源树拉丁语 bracchium (手臂) ↓ 古法语 bracel (小臂护腕) ↓ 中古英语 bracket (建筑上的托架、支撑物) ↓ 15世纪 印刷术 → [ ] 这种符号被称为“括号” ↓ 20世纪 摄影术语 → “包围”曝光2. 详细的演变逻辑第一阶段从“手臂”到“托架”拉丁语bracchium意思是“手臂”。进入建筑领域后用来指代那些像“伸出的手臂”一样从墙上伸出来支撑阳台或石像的“托架”。第二阶段从“托架”到“印刷括号”因为印刷中使用的[ ]符号形状看起来像建筑上那种成对出现的托架一头大一头小把内容“托”在中间所以人们就把[ ]称为square brackets方括号。第三阶段从“符号形状”到“包围动作”既然是括号[ ]它有一个动作特征——把内容“夹在中间”。到了摄影领域摄影师围绕**“目标曝光值”上下左右多拍几张欠曝和过曝的照片把目标“夹在中间”。因为这种“在目标周围两侧各取一些”**的动作就像用括号把目标括起来一样所以被称为bracketing包围。3. 用一张图让你秒懂想象括号就是你的相机参数范围曝光值 (EV) [-2] [-1] [0] [1] [2] \ | | / \ | | / \ | | / ███████████████ 目标曝光你拍的照片就像括号[和]一样对称地排列在“正常曝光 (0EV)” 的两侧。4. 其他领域的延伸用法明白了这个词源你会发现很多领域都在用这个词领域Bracketing 的含义解释摄影包围曝光在正常曝光左右各拍几张把正常值括在中间。社会学/人类学悬置方法学研究者**暂时“括住”**自己的偏见不去判断先观察现象。编程括号匹配检查代码中(和)、[和]是否成对出现。税收/法律税级/等级把收入分成不同的“区间”如 10%-20% 档像括号一样划分范围。5. 在你论文语境中的精准释义结合你问的“bracketed exposure sequence”摄影师像括号一样[]在正常曝光值的“左边”拍一张欠曝的在“右边”拍一张过曝的这整个动作就叫Bracketing。这组照片就是Bracketed Sequence。一句话趣味总结Bracketed这个词从“手臂”变成“墙上的托架”再变成“印刷的括号[]”最后在摄影里用来形容“围着目标值左右各拍一张”——几千年来它始终没离开过“成对出现、夹住中间”这个核心意象。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/3 7:07:39

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/3 12:09:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/3 12:09:41

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/2 5:53:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉