从AI相机到“真AI相机” 这三个门槛必须要跨过去
|
副标题[/!--empirenews.page--]
1955年AI这一概念被提出，作为机器视觉的分支，卷积神经网络算法也已经诞生30年。尽管人工智能技术没有革命性算法突破，但在最新的Gartner技术炒作曲线中，大众化AI诸如深度神经网络和虚拟助手将在两年内达到主流应用，前景十分明朗。随着移动设备算力的增强，将AI部署在终端侧的边缘计算成为主流，以华为NPU和骁龙AIE为代表的神经算法引擎迅速成为手机市场的宠儿。
从阿尔法狗到手机 AI如何打通任督二脉 但与深度学习爆款产品阿尔法狗相比，AI在手机领域所施展的拳脚却多少有点小打小闹。很多时候AI并没有帮助手机打通我们的任督二脉，消费者很难从使用层面感知，沦为厂商花瓶式卖点，这是目前手机AI的致命伤。和阿尔法狗专注下棋一样，聚焦制造爆款才是手机AI的出路，而这一突破点正是相机拍照。 为什么相机才是手机AI的突破点，一方面拍照属于手机的核心属性，75%用户会透过拍照能力选购手机；另一方面手机拍照无法从硬件赶超单反。而AI可以通过算法优化、图像识别等帮助手机拍照实现弯道超车。两者结合所起到的化学反应真实可见、立竿见影，成为AI落地手机最好的结合点。 已经有不少手机厂商尝试AI相机的落地，然而开荒意味着乱序，初期的AI相机并不如人意。总结目前行业AI相机现状，其一急需大量场景落地和背后的技术支撑；其二行业混乱无序，各自为战，缺乏行业标准和相关的上下游产业链，伪AI相机乱象丛生，破坏现有的AI生态。无论是消费者还是厂商，背后需要推动AI相机快速进步的动力。 聚焦痛点构建行业门槛 真AI相机呼之欲出 AI相机是一场技术储备的竞赛，在没有裁判的情况下，难免有伪AI相机挂羊头卖狗肉，影响AI应用整体的生态环境。 如何判断AI的真伪，我们首先要瞄准用户拍照功能痛点，比如在夜间拍照出现的细节不清晰、画质不佳；捕捉动态物体是容易拍虚、拖影；自拍时美颜效果过于失真、磨皮不均匀等。AI相机还需为我们解决那些很难通过硬件升级解决的痛点，比如不PS如何拍出大长腿、瘦身瘦脸，这些看似无理的要求传统相机很难满足，但正是AI相机研究的方向。 这也就意味着真AI相机不仅需要强悍的相机硬件性能托底，AI性能也需要足够算力，加之图形处理引擎带来的优质算法，让手机拍照从传统的双管齐下走向三位一体的真AI时代。 面对AI乱象，联发科作为研发上游提出了真AI相机的三大标准，一定程度为行业提供了更有价值的规范参考，理清市场，我们来看一下。
标准一——Sensor像素尺寸1.55μm起步 大家也知道CMOS并不能获取到景色的色彩信息，只能获得光线的强度信息，然后通过拜尔阵列来插值算出色彩。因此CMOS上单像素尺寸类似于墙上窗户窗格，大小直接影响到进光量，进而影响到画面成像。
而目前手机拍照迷信高像素的用户不在少数，高像素就意味着固定尺寸CMOS下单像素尺寸越小，虽然能够提高画面细节表现，但是进光量不足最终影响到夜拍乃至白天成像，所以“底大一级压死人”不只是说说而已。 无论是今年将流行IMX 586（荣耀V20）和最近火热的三星GM1（红米Note7）都采用了类似Quad Bayer像素四合一提高单像素尺寸增强进光量。在这种迷信高像素的情况下，联发科对于单像素尺寸的要求可以说是很有必要的。
而1.55微米我认为也是一个较高的标准，起码去年的“街货”IMX 363(单像素尺寸1.4μm)并不能到达要求，搭载该CMOS的有小米MIX 2S、坚果R1，大家可以自己掂量掂量。 而去年的旗舰也有不少用了IMX 380，它的单像素尺寸刚好为1.55μm，能够达到要求，搭载该CMOS的有华为P20、魅族16等机型，同样也是旗舰标准。 标准二——AI性能跑分21000分才算及格 前面提到的是相机硬件，跑分则是对处理器中AI硬件的考量。众所周知无论是独立核心的NPU还是高通AIE这种异步多核架构，最终取决于AI硬件的算力。目前衡量AI跑分的常用基准测试工具只有三四款，其中苏黎世联邦理工大学AIbenchmark从考核的全面性和精准度方面更具参考性。 从图像识别、神经网络对图像模糊、超分辨率、画质增强处理、再到图像语义分割等项目，AIbenchmark一共测试9种不同的项目，能够对AI性能进行一个综合的衡量。
（编辑：555手机网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
