我們之前聊過人工智能對手機攝影的影響，但沒預料到，AI“普及”之快，令人驚訝。AI是個熱門大鍋，啥都能裝，AI這個AI那個，到了2018年，大陸手機廠商開始給手機攝像頭帖AI標籤了，AI智慧拍照、 AI 人像、AI美顏、AI攝影大溼、AI夢境虛化、AI場景紛紛登場了。
這其中的部分AI 叉叉我們已經體驗過，說實話，不怎麼樣。它們大部分都是新品裝舊酒，基於場景識別調用不同的拍攝參數，基本上是按套路辦事，這些工作模式在相機上很早就有，但相機廠商不管這些叫AI。
AI是個好東西，但我們理解的AI不是AI叉叉這樣。AI應該是一個極為重要的輔助功能，而不應該喧賓奪主擅作主張。有的所謂AI，藍天白雲草地的場景，一會兒識別成藍天、一會識別成綠地，然後調用不同的色彩參數，這種AI讓人覺得結果不可控，是來添亂的。操控是攝影的樂趣之一，不應該被幹擾和打亂，AI應該在悄無聲息的起作用，我們認為AI可以在幾個方面有所體現。所以，我們再聊聊手機攝像頭的AI。
學習和適應用戶的拍攝習慣
每個人都有自己的拍攝習慣，例如構圖，假設我們喜歡將被攝物體放置於畫面的1/3處，而手機通常的默認對焦區域會是中央，如果上手就構圖，而不去調整焦點，就會出現對焦到最遠處。AI應該記住用戶的慣用設置，結合對動體、對用戶意圖的猜測，去改變焦點的默認位置，而不是中央點優先，或者簡單的人臉優先[很多人臉識別算法會在雜草叢中識別出人臉，導致對焦失誤]。特色場景下的測光習慣也是可以AI一下的，例如，我們拍佛像時習慣稍欠一點的曝光，AI應該記住，到類似場景時，調出我們喜歡的設置。這些動作不會干擾用戶使用，或者干擾用戶對結果的判斷。
基於神經網絡學習的進行深程度的場景識別
在我們體驗的某款手機裡的AI叉叉時，發現該AI功能只要遇到大片綠色就會識別“綠葉”，遇到放射狀的物體可能就識別為“煙花”，錯誤的識別必將導致調用錯誤的參數池。
蜜蜂
基於神經網絡學習的算法，已經可以實現不同程度的讀圖。例如上圖，可以解讀成
- 花卉
花卉和蜜蜂
蜜蜂在花朵旁邊飛翔
蜜蜂在珍珠梅旁邊飛翔
蜜蜂在白色的珍珠梅旁邊飛翔
蜜蜂在正在開放的白色珍珠梅旁邊飛翔
陽光下，蜜蜂在正在開放的白色珍珠梅旁邊飛翔
陽光下的珍珠梅花叢，蜜蜂在正在開放的白色珍珠梅旁邊飛翔
陽光下的珍珠梅花叢，蜜蜂在正在開放的白色珍珠梅右側飛翔，微距場景
……
而現有大部分手機遇到這種場景只會識別到“花卉”這一層的程度。這種程度的讀圖，即便是讀取正確，對於調用策略其實意義有限。有些手機自稱能夠識別數百個典型場景，但對於混合類型的場景依然識別乏力，例如上圖，是判斷為“花卉”還是“昆蟲”呢？是“晴天”還是“陰天”呢？是不是該啟動HDR？
通過基於神經網絡學習的算法提升畫質
關於使用神經網絡學習的算法來對圖像進行降噪的研究，已經有10多年的歷史，而這些算法也日漸成熟，引入到手機已經不再遙遠。新的降噪算法會建立信號模型，然後“修復”，就像照片修復師那樣工作，它的重點是“修復”和重建，修復破損的地方，或者重建細節。而傳統的非盲降噪算法，是根據噪聲採樣去抹除噪聲，傳統算法的關鍵動作是“抹除”。手機可以共享龐大的學習庫，使用自學習算法來提升畫質是可行的。
新型的降噪算法並非全部，基於神經網絡學習，還發展出了抗鋸齒、色彩校正等等一系列有關於圖像處理的算法。誰優先掌握了這些算法，誰就優先拿到了通向未來的鑰匙。這些都可以用於手機的機內處理當中。但現在的不少所謂AI，對畫質的影響其實是負面的。現在手機處理器的熱點不只是高性能，配備AI處理單元已成為非常時髦的事情，而這些處理單元在會在圖像處理時起到大作用，但目前實際上有多少用，不得而知。
基於雲提升交互
關於這個想法，我們在至少三年前就提出來過。很多人拍照，並不是不熱愛，而是不知道如何下手。基於地理信息、氣象信息、大數據，我們認為可以改善友好度，提升用戶體驗，例如走到某景點，會提示該景點的相近時間、天氣條件下的優秀攝影作品，以供參考。再例如，在特定的時間點或者氣候條件下，進行技巧提示。給菜鳥用戶提供指導，而老鳥可以將作品有償的提供到廠商的公共雲。
以人為本
暫且不說市面上的AI有多少是真正意義上的AI，但現在已經出現了某些“AI”自我定位模糊的情況。AI是輔助，輔助，輔助，AI要做的是去迎合用戶的意圖，而不是去取代用戶的意圖。大部分手機用戶，並不太懂得拍照，所以特別適合強行AI一下？給他們用重口的參數，誤導他們鮮豔到甚至溢出就是好？我們認為這是不尊重。奔放的加料導致用戶預期落空的的AI都是人工智障。這其中涉及到人與機器的關係，機器即便更聰明，但人始終是人，不要無形剝奪人的樂趣權利，激發使用者樂趣才是正確之選。
- [Doc]key=手機攝像頭技術講解[/Doc]
閱讀更多 數碼多 的文章
