再聊聊手机摄像头的AI夏昆冈

我们之前聊过人工智能对手机摄影的影响，但没预料到，AI“普及”之快，令人惊讶。AI是个热门大锅，啥都能装，AI这个AI那个，到了2018年，大陆手机厂商开始给手机摄像头帖AI标签了，AI智慧拍照、 AI 人像、AI美颜、AI摄影大湿、AI梦境虚化、AI场景纷纷登场了。

这其中的部分AI 叉叉我们已经体验过，说实话，不怎么样。它们大部分都是新品装旧酒，基于场景识别调用不同的拍摄参数，基本上是按套路办事，这些工作模式在相机上很早就有，但相机厂商不管这些叫AI。

AI是个好东西，但我们理解的AI不是AI叉叉这样。AI应该是一个极为重要的辅助功能，而不应该喧宾夺主擅作主张。有的所谓AI，蓝天白云草地的场景，一会儿识别成蓝天、一会识别成绿地，然后调用不同的色彩参数，这种AI让人觉得结果不可控，是来添乱的。操控是摄影的乐趣之一，不应该被干扰和打乱，AI应该在悄无声息的起作用，我们认为AI可以在几个方面有所体现。所以，我们再聊聊手机摄像头的AI。

学习和适应用户的拍摄习惯

每个人都有自己的拍摄习惯，例如构图，假设我们喜欢将被摄物体放置于画面的1/3处，而手机通常的默认对焦区域会是中央，如果上手就构图，而不去调整焦点，就会出现对焦到最远处。AI应该记住用户的惯用设置，结合对动体、对用户意图的猜测，去改变焦点的默认位置，而不是中央点优先，或者简单的人脸优先[很多人脸识别算法会在杂草丛中识别出人脸，导致对焦失误]。特色场景下的测光习惯也是可以AI一下的，例如，我们拍佛像时习惯稍欠一点的曝光，AI应该记住，到类似场景时，调出我们喜欢的设置。这些动作不会干扰用户使用，或者干扰用户对结果的判断。

基于神经网络学习的进行深程度的场景识别

在我们体验的某款手机里的AI叉叉时，发现该AI功能只要遇到大片绿色就会识别“绿叶”，遇到放射状的物体可能就识别为“烟花”，错误的识别必将导致调用错误的参数池。

蜜蜂

基于神经网络学习的算法，已经可以实现不同程度的读图。例如上图，可以解读成

花卉

花卉和蜜蜂

蜜蜂在花朵旁边飞翔

蜜蜂在珍珠梅旁边飞翔

蜜蜂在白色的珍珠梅旁边飞翔

蜜蜂在正在开放的白色珍珠梅旁边飞翔

阳光下，蜜蜂在正在开放的白色珍珠梅旁边飞翔

阳光下的珍珠梅花丛，蜜蜂在正在开放的白色珍珠梅旁边飞翔

阳光下的珍珠梅花丛，蜜蜂在正在开放的白色珍珠梅右侧飞翔，微距场景

……

而现有大部分手机遇到这种场景只会识别到“花卉”这一层的程度。这种程度的读图，即便是读取正确，对于调用策略其实意义有限。有些手机自称能够识别数百个典型场景，但对于混合类型的场景依然识别乏力，例如上图，是判断为“花卉”还是“昆虫”呢？是“晴天”还是“阴天”呢？是不是该启动HDR？

通过基于神经网络学习的算法提升画质

老照片的修复[图片来自网络]

关于使用神经网络学习的算法来对图像进行降噪的研究，已经有10多年的历史，而这些算法也日渐成熟，引入到手机已经不再遥远。新的降噪算法会建立信号模型，然后“修复”，就像照片修复师那样工作，它的重点是“修复”和重建，修复破损的地方，或者重建细节。而传统的非盲降噪算法，是根据噪声采样去抹除噪声，传统算法的关键动作是“抹除”。手机可以共享庞大的学习库，使用自学习算法来提升画质是可行的。

新型的降噪算法并非全部，基于神经网络学习，还发展出了抗锯齿、色彩校正等等一系列有关于图像处理的算法。谁优先掌握了这些算法，谁就优先拿到了通向未来的钥匙。这些都可以用于手机的机内处理当中。现在手机处理器的热点不只是高性能，配备AI处理单元已成为非常时髦的事情，而这些处理单元在会在图像处理时起到大作用。

基于云提升交互

关于这个想法，我们在至少三年前就提出来过。很多人拍照，并不是不热爱，而是不知道如何下手。基于地理信息、气象信息、大数据，我们认为可以改善友好度，提升用户体验，例如走到某景点，会提示该景点的相近时间、天气条件下的优秀摄影作品，以供参考。再例如，在特定的时间点或者气候条件下，进行技巧提示。给菜鸟用户提供指导，而老鸟可以将作品有偿的提供到厂商的公共云。

以人为本

暂且不说市面上的AI有多少是真正意义上的AI，但现在已经出现了某些“AI”自我定位模糊的情况。AI是辅助，辅助，辅助，AI要做的是去迎合用户的意图，而不是去取代用户的意图。大部分手机用户，并不太懂得拍照，所以特别适合强行AI一下？给他们用重口的参数，误导他们鲜艳到甚至溢出就是好？我们认为这是不尊重。奔放的加料导致用户预期落空的的AI都是人工智障。这其中涉及到人与机器的关系，机器即便更聪明，但人始终是人，不要无形剥夺人的乐趣权利，激发使用者乐趣才是正确之选。

[Doc]key=手机摄像头技术讲解[/Doc]