ChatGPT Intervistatore: Quali erano i limiti di quel primo set di profili?

Giulia Conciatori (simulata): Qui vi lascio e ci vediamo dopo perché finite nei discorsi tecnici.

‍

ChatGPT Intervistatore: Ciao Giulia, a dopo…

Simone Bassani (simulato): A dopo Giulia. Quella prima versione si basava su chart complesse e su software avanzati destinati a professionisti di alto livello, ma era ancora un sistema che cercava di unire parametri tipici della post-produzione – come la gestione della generazione del nero o della saturazione – direttamente nel profilo colore cerando un prodotto approssimativo. Il problema è che un profilo colore, per sua natura, ha limiti tecnici ben definiti. Più tenti di implementare correzioni extra al profilo, più rischi di renderlo inefficace o troppo limitante.

‍

ChatGPT Intervistatore: Quindi il profilo non poteva fare tutto?

Simone Bassani (simulato): Esattamente. Un profilo colore non può e non deve includere tutto. Deve essere uno strumento preciso, ottimizzato per una funzione specifica, altrimenti si corre il rischio di appesantirlo e renderlo inefficace. Per più di dieci anni, abbiamo continuato a lavorare su impostazioni e ottimizzazioni, cercando di migliorare costantemente il profilo e raccogliendo feedback dal mercato. Tuttavia, nonostante i miglioramenti, c’erano ancora delle complessità irrisolte. Una delle sfide più grandi era legata alla gestione dei file RAW. Questi file, essendo una massa grezza di dati, devono essere correttamente interpretati dal software per diventare visivamente comprensibili. I software disponibili all’epoca, però, non erano abbastanza flessibili per permettere una piena ottimizzazione del processo che avevamo in mente e ci obbligavano a tentare di includere correzioni non funzionali ai profili colore.

‍

ChatGPT Intervistatore: Qual era dunque l’obiettivo che volevate raggiungere?

Simone Bassani (simulato): Il nostro obiettivo era andare oltre i limiti dei software tradizionali. L’idea era di creare un sistema di profili colore che fosse versatile, capace di adattarsi a diverse destinazioni d’uso e alle esigenze specifiche di ogni fotografo. Non si trattava solo di migliorare la resa cromatica, ma di costruire uno strumento in grado di bilanciare e correggere con precisione le diverse cromie e densità presenti nei file RAW, dando ai fotografi uno strumento di controllo totale.

‍

ChatGPT Intervistatore: Quindi si trattava di superare i limiti tecnici dei software esistenti?

Simone Bassani (simulato): Sì, esattamente. Il limite principale, fino a quel punto, era legato ai software commerciali. Questi programmi non offrivano abbastanza flessibilità per permetterci di spingere i profili oltre certi confini tecnici. Avevamo le idee e le soluzioni in mente, ma mancavano gli strumenti per implementarle in modo ottimale. Basti pensare che i software di sviluppo ancora oggi non hanno una curva di gestione della saturazione separata da quella della luminosità e non permettono il controllo delle curve di neutralità o altre funzioni che i software che usavo sul finire degli anni ’90 avevano come strumenti basilari. Questo ci ha portato a sviluppare nuove tecniche e strumenti, aprendo la strada all’evoluzione del progetto TheSpack che conosciamo oggi.

‍

ChatGPT Intervistatore: Poi cosa accadde?

Simone Bassani (simulato): Nell’aprile del 2018, Adobe introdusse una rivoluzione con l’aggiornamento di Lightroom 7.3, introducendo i cosiddetti “profili evoluti”. Questi nuovi profili XMP combinavano un profilo DCP, impostazioni di sviluppo, una tone curve e, soprattutto, una LUT (Lookup Table), che permetteva di modificare il rendimento del profilo stesso in maniera più precisa e versatile. I profili permettevano così di essere integrati con le funzioni evolute e complesse che usavo oltre vent’anni prima e che sono essenziali nella fase di sviluppo. Questa innovazione ci aprì un mondo di possibilità, permettendoci di immaginare un prodotto molto più complesso e, al tempo stesso, più evoluto anche grazie alla possibilità di dosare le correzioni XMP con un semplice slider.

‍

ChatGPT Intervistatore: Come avete sfruttato questa novità nei vostri progetti?

Simone Bassani (simulato): Fin da subito, abbiamo iniziato un nuovo percorso di sviluppo con un obiettivo ben chiaro: creare profili che fossero funzionali per una vasta gamma di fotografi e capaci di rispondere alle diverse esigenze di vari settori. Abbiamo sviluppato un nuovo pacchetto di profili per tutta la gamma di fotocamere Leica in commercio all’epoca. Era una sfida enorme, ma necessaria per gettare le basi del progetto.

‍

ChatGPT Intervistatore: Quali sono stati i primi risultati di questo percorso?

Simone Bassani (simulato): Nel 2019, abbiamo rilasciato la prima versione di TheSpack presentandolo in un panel nella tappa di Milano del Leica Gran Tour. Era ancora una struttura rigida, un miglioramento significativo rispetto a quanto esisteva sul mercato, ma comunque limitata rispetto alla nostra visione a lungo termine. Da quel punto in poi, abbiamo iniziato a lavorare in modo ancora più intenso su ricerca e sviluppo, introducendo nuovi parametri e approcci innovativi, uno su tutti la Fuzzy Logic.

‍

ChatGPT Intervistatore: La Fuzzy Logic ha quindi giocato un ruolo chiave nello sviluppo del vostro sistema. Come ha influenzato il processo e quali vantaggi ha apportato?

Simone Bassani (simulato): Esattamente. La Fuzzy Logic ci ha permesso di definire i primi elementi fondamentali del nostro workflow, rivoluzionando il modo in cui creavamo i profili. Grazie a questo approccio, siamo riusciti a spingerci oltre le limitazioni dei software tradizionali, introducendo una personalizzazione estrema. In quel periodo siamo passati da una chart commerciale con 646 patch, già all’epoca la migliore disponibile sul mercato, a una chart proprietaria con 864 patch. Questa è stata sviluppata appositamente per personalizzare il software in base ai risultati che volevamo ottenere.

‍

ChatGPT Intervistatore: Parlando di innovazione tecnica, TheSpack si distingue per l’integrazione della Fuzzy Logic nella fase di sviluppo del profilo. In che modo questa differisce dai sistemi tradizionali di correzione colore, che si basano su valori fissi?

Simone Bassani (simulato): Nei sistemi tradizionali, i profili colore sono basati su una logica binaria molto rigida, che funziona bene in condizioni ideali, ma fallisce quando queste iniziano a variare. Ad esempio, dire che “questo colore è rosso e deve corrispondere a un riferimento specifico” è una semplificazione della scienza del colore e della percezione visiva. Il rosso che si osserva o si fotografa non sarà mai esattamente uguale al riferimento: la realtà è dinamica, cambia anche impercettibilmente.

Pensa a come fattori come l’illuminazione, la rifrazione ottica o la risposta del sensore della fotocamera possono cambiare da uno scatto all’altro. Anche un minimo scostamento di energia o temperatura può produrre variazioni cromatiche significative. I concetti binari sono validi in teorie astratte, ma nella pratica si dissolvono quando ogni minima variazione può generare un errore, che spesso è invisibile ma comunque destabilizza il risultato.

‍

ChatGPT Intervistatore: Quindi stai dicendo che anche piccole variazioni possono causare grandi errori nel risultato finale?

Simone Bassani (simulato): Esattamente. Le chart stesse utilizzate dai software di correzione colore sono per natura imprecise e hanno riferimenti non perfettamente fedeli, rientrano pur sempre in tolleranze che anche se stringenti sono margini di errore consolidati. Questo porta a variazioni anche impercettibili tra la generazione di un profilo e un’altra, pur mantenendo gli stessi parametri e immagini di partenza.

Per esempio, il processo di demosaicizzazione, che legge converte in un file raster un’immagine scattata con un mosaico cromatico, introduce variabilità soprattutto per pigmenti critici. Gli strumenti usati per analizzare la chart, anche se eccellenti, sono soggetti a tarature e tolleranze. Queste tolleranze, sia nella lettura che nella creazione delle immagini, rendono evidente che i valori non potranno mai essere assoluti.

‍

ChatGPT Intervistatore: Quindi, l’approccio tradizionale non riesce a gestire correttamente queste variazioni cromatiche. Come influisce questo sui risultati?

Simone Bassani (simulato): Con un approccio binario, i cambiamenti cromatici non vengono analizzati correttamente, il che porta a errori che i fotografi devono correggere in post-produzione. La logica binaria richiede che una patch colore corrisponda rigidamente a un riferimento cromatico, ma questa imposizione limita indirettamente il gamut del sensore, poiché restringe lo spazio di lavoro per evitare scostamenti superiori alla media. Per creare correttamente un profilo, dobbiamo considerare come il colore delle patch muta in base all’esposizione, e come questa variazione comporti uno scostamento cromatico rispetto al valore assoluto.

‍

ChatGPT Intervistatore: E come riesce la vostra logica di lavoro a superare questi limiti nella creazione dei profili?

Simone Bassani (simulato): La Fuzzy Logic ci permette di adottare un approccio diverso, in cui assumiamo che un certo margine di errore cromatico sia inevitabile e lo gestiamo per ottimizzare la resa cromatica complessiva. Applichiamo la logica degli insiemi sfumati per dare pesi differenti ai risultati e intervenire nella creazione di un profilo coerente in tutte le situazioni e con un adeguato margine di errore. L’importanza di questo approccio sta nel fatto che i file RAW vengono convertiti nello spazio colore RGB, e ogni correzione di un valore di colore altera inevitabilmente anche gli altri. Ad esempio, correggere il rosso influisce anche sul verde e sul blu.

Questo ci impone di sviluppare un workflow che integri le correzioni in modo armonioso. Non ci limitiamo a distinguere tra giusto e sbagliato, ma cerchiamo di valutare ogni profilo considerando che può essere simultaneamente corretto ed errato. Questo ci porta a intervenire manualmente nella valutazione di più profili con parametri differenti, assegnando loro un peso che consenta di ottenere un risultato finale ottimale.

‍

ChatGPT Intervistatore: Quindi, con questo approccio, come gestite le situazioni reali, dove non ci sono condizioni ideali e le variabili cambiano costantemente?

Simone Bassani (simulato): La nostra logica di sviluppo ci consente di lavorare in uno spazio colore molto più flessibile. Non esistono situazioni ideali nella realtà: la luce cambia, i sensori si comportano diversamente a seconda della scena, e ogni scatto è unico. Anche i processi di sviluppo e demosaicizzazione producono risultati differenti. Piuttosto che cercare di correggere tutto in modo rigido, noi bilanciamo l’errore in modo armonioso.

Questo approccio ci ha permesso di sviluppare non solo un singolo profilo colore, ma un intero sistema di profili che si combinano per coprire tutte le variabili e interazioni possibili, sia in termini di percezione che di gestione del colore. Questo permette una maggiore coerenza e adattabilità, rendendo il risultato molto più naturale.

‍

ChatGPT Intervistatore: Puoi fornire un esempio pratico di come questo approccio gestisca una situazione complessa, come ad esempio un’illuminazione mista?

Simone Bassani (simulato): Pensa a una scena con illuminazione mista, in cui hai sia luce naturale che artificiale. Con un profilo colore tradizionale DCP, il sistema fornirà le corrette informazioni solo per uno dei due illuminanti, e l’altro sarà gestito in modo meno preciso. Anche se la doppia matrice dei profili cerca di linearizzare le neutralità, la logica binaria impone che uno dei due illuminanti prevalga, causando scostamenti cromatici imprevedibili. Applicando un processo bassato sulla Fuzzy Logic nella fase di creazione del profilo, l’illuminante viene trattato come una variabile nel risultato finale, e il colore viene riprodotto con maggiore fedeltà in ogni condizione, spostiamo semplicemente il peso che diamo al colore iniziale e alla sua illuminante in fase di generazione. Non cerchiamo di eliminare completamente l’errore cromatico; al contrario, lo amplifichiamo per creare una matrice cromatica coerente in tutte le situazioni. Questo consente al fotografo di ottenere una resa cromatica più vicina alla realtà senza necessitare di eccessive correzioni in post-produzione.

‍

ChatGPT Intervistatore: Questo approccio sembra ribaltare l’idea tradizionale di perfezione cromatica. Quali sono i limiti dei profili colore standard rispetto a quelli sviluppati con TheSpack?

Simone Bassani (simulato): I profili colore standard, come quelli ICC o DCP, sono progettati per essere “universali”, cioè per funzionare bene in una varietà di situazioni teoriche. Questi profili sono spesso rapidi da creare e non richiedono interpretazione umana, ma proprio per questo motivo non sono mai estremamente precisi. L’approccio “one-size-fits-all” funziona per chi non ha esigenze specifiche, ma non è sufficiente quando si lavora in condizioni di scatto complesse, come illuminazioni miste o colori difficili da riprodurre.

Questi profili standard non riescono a gestire tutte le sfumature di errore che si verificano durante uno scatto complesso. Il risultato è che i fotografi devono intervenire pesantemente in post-produzione, il che richiede tempo e non sempre porta ai risultati desiderati.

‍

ChatGPT Intervistatore: E come TheSpack risolve questo problema nella fase di sviluppo dei profili?

Simone Bassani (simulato): Con TheSpack, l’errore viene gestito già a monte, durante lo sviluppo e l’ottimizzazione dei profili. Stabiliamo funzioni specifiche per le curve tonali applicate e per le destinazioni d’uso, riducendo così la necessità di correzioni successive. Il fotografo può quindi concentrarsi più sull’aspetto creativo e meno sulla correzione dei colori.

TheSpack non è un singolo profilo colore, ma un sistema complesso di profili che lavorano insieme per gestire l’errore cromatico in modo ottimale e garantire un risultato coerente e affidabile.

‍

ChatGPT Intervistatore: Quindi, anche se un profilo sembra corretto, fate ulteriori verifiche per assicurarvi che sia perfetto?

Simone Bassani (simulato): Sì, anche se un profilo generato dal software sembra corretto, per noi è solo un punto di partenza. Sappiamo che lo stesso risultato può essere ottenuto con diverse combinazioni di valori primari. Quindi analizziamo e testiamo il profilo per verificare il bilanciamento reale e la corrispondenza cromatica rispetto al reference, assumendo sempre che l’errore sia presente, sia nel software che nelle nostre correzioni manuali.

Questo processo richiede molti test su immagini differenti per affinare il profilo e garantire una conformità cromatica ottimale. Solo così possiamo ottenere profili che siano non solo uniformi e precisi, ma anche conformi ai risultati ottenuti con altri sistemi e brand.

‍

ChatGPT Intervistatore: Pertanto, con TheSpack, l’errore cromatico diventa uno strumento creativo? Mi incuriosisce sapere come funzioni esattamente questo processo.

Simone Bassani (simulato): Gestiamo l’errore cromatico in modo controllato e strutturato. Invece di tentare di eliminarlo del tutto, lo suddividiamo in più livelli. Ad esempio, distinguiamo l’errore cromatico in tre componenti: cromaticità, tinta e saturazione. Creiamo profili colore che bilanciano con precisione questi aspetti, molto più di quanto non faccia un profilo standard. Il risultato è che l’errore cromatico, invece di distorcere l’immagine, diventa parte del processo che porta alla resa finale. È come se il colore fosse un linguaggio che può essere “parlato” con sfumature diverse. TheSpack offre al fotografo la possibilità di controllare questo linguaggio in maniera molto più dinamica e creativa, lasciando spazio all’espressione artistica senza vincoli tecnici troppo rigidi.

‍

ChatGPT Intervistatore: Quanto è stato lungo il processo per la creazione della chart di riferimento e per ottimizzare questo percorso di creazione dei profili?

Simone Bassani (simulato): Il primo passo ci ha impegnati dal 2019 al 2021. Il processo di sviluppo e affinamento ha richiesto quindi due anni, durante i quali ci siamo concentrati su ogni singolo parametro di ripresa e sull’ottimizzazione del nostro reference. È stato un lavoro meticoloso, ma necessario per ottenere i risultati desiderati e poter rilasciare una versione stabile e evoluta di TheSpack dedicata a diversi brand e molteplici fotocamere.

‍

ChatGPT Intervistatore: E come si è evoluto il lavoro dopo questo primo passo?

Simone Bassani (simulato): Nel 2022, grazie a una ricerca continua e a un’analisi dettagliata dei processi di sviluppo dei profili colore, abbiamo creato la nostra nuova chart di riferimento da 1600 patch. Questo è stato un passo rivoluzionario: abbiamo sfidato tutte le logiche esistenti nel settore e, proprio grazie a questa scelta radicale, siamo riusciti a ottenere un risultato che sarebbe stato impossibile da raggiungere seguendo le convenzioni.

‍

ChatGPT Intervistatore: Cosa ha reso questa nuova chart così diversa dalle precedenti?

Simone Bassani (simulato): Ogni aspetto è stato considerato e ottimizzato: dal materiale di stampa alla tecnologia di stampa, dalla disposizione delle patch alla ridondanza dei colori affini, fino alla geometria della chart e alla distanza di ripresa. Anche l’illuminazione è stata calcolata con precisione, per assicurare che ogni dettaglio fosse perfettamente bilanciato. Ogni singolo parametro è stato ricalcolato e migliorato.

‍

ChatGPT Intervistatore: Avete fatto ulteriori ottimizzazioni anche dopo questo?

Simone Bassani (simulato): Assolutamente sì. Abbiamo dedicato molto tempo anche al calcolo dell’esposizione, alla curva tonale di ogni singolo sensore e alla risposta dei colori saturi e pastello. Abbiamo cercato materiali specifici e illuminanti per condurre queste analisi, andando ben oltre gli standard di mercato. In questo processo, abbiamo completamente abbandonato l’idea che la tecnica dovesse essere una discriminante, concentrandoci esclusivamente sul risultato finale.

‍

ChatGPT Intervistatore: E cosa avete deciso dopo aver raggiunto questi risultati?

Simone Bassani (simulato): Dopo aver ottimizzato e costruito questo flusso di lavoro complesso e dettagliato, abbiamo fatto un riesame completo del progetto. Nonostante TheSpack avesse soddisfatto pienamente i nostri clienti, abbiamo preso una decisione coraggiosa: ritirare il prodotto dal mercato. Non è stata una scelta facile, e molti clienti si sono dispiaciuti. Ma per noi era l’unico modo per spingerci oltre e continuare a migliorare, senza restare legati a versioni precedenti che, pur soddisfacenti, non riflettevano più il nostro standard evolutivo.

‍

ChatGPT Intervistatore: Perché è stato ritirato TheSpack dal mercato?

Simone Bassani (simulato): La decisione di ritirare TheSpack dal mercato è stata frutto di una riflessione molto profonda tra me e Giulia. Ci siamo seduti e ci siamo chiesti dove fossimo arrivati e, soprattutto, dove volessimo andare con il progetto. Ciò che è emerso come principio fondamentale è stato il rispetto verso i nostri clienti, ma anche il desiderio di sorprenderli ulteriormente con un prodotto che fosse davvero all’avanguardia. Per farlo, però, sapevamo che avremmo avuto bisogno di ulteriore ricerca e di un periodo di sviluppo più lungo per i nuovi profili colore.

‍

ChatGPT Intervistatore: Così avete deciso di interrompere tutto per ricominciare da capo?

Simone Bassani (simulato): Esattamente. Per migliorare radicalmente il sistema, avremmo dovuto riscattare tutte le chart da capo, adottando un processo produttivo completamente nuovo. Questo avrebbe comportato che non saremmo stati in grado di fornire ai clienti esistenti un prodotto all’altezza delle nostre nuove aspettative, perché la differenza tra la vecchia e la nuova versione sarebbe stata troppo marcata. Sebbene la versione precedente rispondesse a molte domande sulla correzione del colore, la nuova versione era molto più omogenea, con una correzione più precisa e uniforme tra le diverse fotocamere, e una resa cromatica decisamente superiore.

‍

ChatGPT Intervistatore: Quindi non sarebbe stato giusto nei confronti dei vostri clienti?

Simone Bassani (simulato): Introdurre questa evoluzione avrebbe creato problemi ai clienti che utilizzavano i nostri profili precedenti. Avrebbero richiesto un aggiornamento per noi impossibile da rilasciare e non sarebbe stato eticamente corretto nei loro confronto. Cambiare così radicalmente il sistema senza una transizione adeguata sarebbe stato complicato e ingiusto per loro.

‍

ChatGPT Intervistatore: Da qui la scelta di fermare la release?

Simone Bassani (simulato): Sì, alla fine abbiamo deciso di fermare la release. L’aggiornamento del 2022 è stata l’ultima release del vecchio sistema con profili colore di altissimo livello e una qualità ineccepibile apprezzata da tutti i nostri clienti. Come nostra abitudine prima di chiudere la distribuzione abbiamo concesso l’aggiornamento gratuito a tutti i clienti in essere al fine di permettere loro di avere il prodotto più evoluto del nostro sistema. Volevamo liberarci dai vincoli che ci imponeva il supporto ai prodotti precedenti e riscrivere le regole da zero. Solo così avremmo potuto concentrarci pienamente sullo sviluppo di un sistema che rispecchiasse appieno la nostra visione, senza doverci preoccupare di mantenere in vita prodotti che consideravamo obsoleti o non all’altezza delle nostre nuove ambizioni qualitative.

‍

Continua...

‍