ayx爱游戏ayx爱游戏ayx爱游戏而到现在,智能手机品牌已经逐渐意识到这个问题,各家厂商对影像的理解或许不同,但对于如何提升用户拍照体验来讲,并不会有太大差异,比如在移动影像有独特理解的 vivo,就提出了专业创作者可以用它满足极限环境下的创作需求、普通人也可以通过简单操作收获令人动容的影像的理念。
在探讨技术之前,我们先来了解一下什么是 人性化的专业影像 。在 vivo 的表述中摄影知识,这是一种适合所有人的影像能力。专业创作者可以用它满足极限环境下的创作需求,普通人也可以通过简单操作收获令人动容的影像。为了实现这一目标,vivo 希望把各种复杂的影像技术和经验都放进手机,只需要简单地按下快门,就能创作出足够出色的作品。
src=靠着这一算法矩阵,vivo 还提出了一个稍显夸张的目标:比肩专业影像设备,比肩专业摄影团队,比肩专业后期能力。接下来,我们就顺着这个目标,看看 vivo 影像技术矩阵能做些什么。
对于光学素质,一方面 vivo 通过光学感知系统对包括光学模组和镀膜等在内的硬件进行优化。比如 VCS 仿生光谱技术,通过改善 Sensor QE 光谱,提升信噪比和色彩还原能力,让传感器接收的原始信息不断接近人眼,打造良好的成像基础。另一方面,光学超分算法则通过对镜头的缺陷建模分析,恢复因硬件模组限制而损失的信息。同时将 Denoise、Demosaic、Deblur 等模块,进行耦合训练,形成了系统性的 AI 画质方案——超清画质引擎。可以实现多帧画质重建,达到更好的画质和更广的动态范围。
src=而在色彩风格上,臻彩还原引擎包含了智能白平衡和智能白加黑减等一系列算法,有效提升白平衡准确性和大面积 白 黑 场景的曝光准确性,将 vivo 的色彩表现和影调观感优化到极致。
考虑到这些算法都需要在按下快门的一瞬间完成计算,硬件加速显然必不可少。vivo 为此打造了算力加速引擎这样一套软硬结合的加速方案,vivo 基于自研芯片和平台 SoC 设计研发了 CV 异构加速引擎和 vDNN 深度学习加速引擎,是分别针对传统 CV 算法和 AI 算法的加速引擎,可支撑多芯结合的异构加速,实现多信息协同并高速处理。
src=想要优化人像成片,第一步就是要读懂人像信息。vivo 人像理解技术 会像专业修图师一般进行分区检测,对人脸进行语义重点和轮廓细节的提取,建立多达 103 个特征点的关键人脸坐标ayx爱游戏,点位精度误差小于 2 像素。同时,会对画面中的皮肤、手势ayx爱游戏、肢体关键点进行检测,主体分割 IOU 达到了 96.15% 的精确度,为静态人像重塑和动态人像抓拍提供了精细化的处理能力。
src=而针对手机影像的另一大难点——夜景成像,苍穹夜景系统也进行了全面的 AI 升级,基于百万夜景照片训练出三个全新模型:超感光模型、全分割语义模型和臻彩影调模型。超感光模型:将感光能力最大提升了 100%,ISO 最高可支持 102400;全分割语义模型和臻彩影调模型联合,实现了自适应的影调和色彩调整能力。
src=AI-ISP 结合两者的优势,相当于给传统 ISP 芯片加一个新的 AI 大脑,这个 AI 大脑的神经元分布是网状结构的,更适合海量的发散式信息处理。相比于传统的架构,AI-ISP 能够通过硬件直连的方式将 AI 计算直接融入 ISP 的处理流程中,完成数据的无缝缓冲和处理,处理能力、处理能效都有大幅提升。
从而实现了片上内存、计算单元到自研算法的突破。而这分别对应了性能,如使用昂贵的 DDR-Less 近存片上数据储存架构,配合硬化在片上的超大 SRAM,实现了运算快、功耗低、延时低的特征;利用更适合做复杂计一算成像运算的 DLA加速器实现最优能效比,而自研图像处理单元带来了更好的夜景画面细节;而使用 HDR 影调融合算法、MEMC 插帧算法、AI-NR 降噪算法,则提升了夜景摄录降噪效果、画面流畅度以及更好的夜景细节。
src=在文章最后,我想来做个小预言,猜测一下 vivo 下一代影像旗舰 X90 系列的影像配置。上文中提到的 vivo 影像技术矩阵与自研芯片 V2 显然都不会缺席,而与蔡司合作推出的蔡司自然色彩、T* 光学镀膜、蔡司镜头包等一系列配置也将继续出现。硬件方面,vivo 宣称下一代主摄 CMOS 比 GNV 传感器感光能力提升 77%,考虑到 GNV 传感器的尺寸已经达到 1/1.3 英寸,X90 极有可能将配备一英寸的大底主摄,而超广角与长焦镜头也将获得进一步提升。至于 X90 系列的影像表现究竟如何?敬请期待 ZOL 对vivo X90系列的进一步报道 ~