庄邦宣布完成5000万元Pre-A轮融资，诚和资本独家投资
06-17
在iPhone 11系列发布会上，苹果高管Philip W. Schiller在介绍iPhone 11 Pro系列的成像系统时首次引入了计算摄影的概念。
这个概念也是第一次为公众所知。
事实上，计算摄影的概念并不新鲜。
它最早出现在1994年的一篇公开论文中，确定机内合成HDR、全景照片、模拟散景都属于计算摄影的范畴。
但当时照片的主流载体还是胶片，数码相机才刚刚起步，手机上还没有摄像头。
▲Philip W. Schiller 在 iPhone 11 Pro 发布会上介绍计算摄影。
图片来自：Apple 几十年后，图像记录的载体从胶片变成了数字，手机有了摄像头，计算摄影也从理论演变为走出贫困逐渐成为大趋势。
然而，这种趋势与相机关系不大。
相机制造商仍在稳步提高像素、连拍速度和视频能力。
他们似乎对计算摄影充耳不闻。
他们（直接拍摄）拍摄的照片仍然平庸，并逐渐被智能手机取代。
“超过”。
相反，智能手机芯片的计算能力越来越强，AI、算法、机器学习介入的范围也越来越广。
解释图像的方法越来越多。
最后，经过一系列“算法”处理后的照片也变得更加漂亮了。
如今，很多人外出时更愿意用手机记录和分享，而相机却越来越少见。
这也体现在两者的市场表现上。
智能手机市场快速增长，而相机市场却连年萎缩。
甚至DC（卡片相机）也逐渐消失。
这时候可能有人会问，既然用智能手机拍摄的照片观感这么好，为什么传统相机厂商不顺应计算摄影的潮流，考虑改善直接拍摄的照片观感呢？是相机不够强大，无法计算吗？我们先从“核心”问题开始。
手机的核心是SoC，集成了CPU、GPU、ISP、NPU和基带。
它可以让你进行打电话、拍照、观看视频、玩游戏、上网等操作，也直接决定了手机的性能。
相机的核心部件是图像传感器（CMOS），除了元件面积外与手机类似，用于成像和感光。
另外，控制整个摄像头系统的中央处理芯片称为图像处理器。
以索尼的BIONZ（α7RIII的BIONZ X配备双ISP）为例。
缺点是集成度没有手机高。
BIONZ X中SoC的功能与手机类似。
它控制控制界面和摄像头功能，性能要求不高。
图像传感器采集到的“数据”经过拜耳变换、去马赛克、降噪、锐化等操作，大多依靠ISP，最终将CMOS采集到的数据转换成相机的实时视图。
在这个过程中，相机的ISP不参与计算过程。
它只是把照片当成流水线上的产品，统一处理。
▲ 索尼 BIONZ 很大。
在不涉及“计算”的情况下，相机图像处理器的处理能力远远超过当前智能手??机ISP的处理能力。
但当谈到计算摄影或人工智能功能时，情况就有点不同了。
智能手机的成像过程有点类似于相机，但在最终图像呈现之前，需要ISP和DSP计算、实时调整和优化。
尤其是多摄像头系统成为主流之后，手机上的计算数据量成倍增长。
iPhone 11 Pro系列推出多摄系统后，多摄系统的流畅无缝切换得益于A13 Bionic中两个全新机器学习加速器的庞大数据处理能力，达到万亿级每秒次数。
高频高效的数据处理能力可以吸收三颗摄像头产生的海量数据。
相机的图像处理器大多对原始数据进行预处理，几乎没有计算过程，而手机SoC则包括数据采集预处理和后续计算过程。
两者侧重点不同。
针对不同人群，由于市场细分，手机计算摄影发展迅速。
根本原因是手机的图像传感器（CMOS）尺寸太小。
以目前的技术，想要在物理上超越或者接近相机，只能通过算法来优化。
打造完美观感，例如自动HDR、超级夜景、模拟大光圈、魔幻天变等功能。
▲ 拍照，iPhone 完成的“计算”过程。
图片来自：Apple 不过，这些算法的解读仍然很难实现“个性化”干预，比如滤镜添加到什么程度、HDR高光和暗部保留到什么程度？但对于面向大众的手机来说，让尽可能多的人拍出好照片才更符合手机的市场定位和人群定位。
自从相机发明以来，相机就是一个绝对的“工具”。
为了高效，外观、操控、功能等都会为了效率而妥协。
针对较小的职业人群，自然会更符合他们的需求。
相机会尽可能多地记录色深、颜色和光线等信息，以便用户可以进行更广泛的后期调整，以确定它们看起来是否好看。
不符合他们的需要。
▲ RAW文件记录的信息更多，可以调整的范围更广。
图片来自：本·桑多夫斯基。
对于大多数没有摄影基础的人来说，得到一张好看的照片远比得到一条资料要好得多。
丰富的照片更重要。
对于瞄准专业领域的相机厂商来说，提高RAW记录的色彩深度比提高JPG直接输出效果更符合市场定位。
不过，事情并没有那么绝对，相机也在努力改变。
富士胶片一直致力于相机的直视效果，推出了“胶片模拟”，通过不同的算法让拍出的照片更有味道、更好看。
不过这个过程并没有经过场景计算，而是需要用户自己做出选择。
这有点类似于手机上的一些电影模拟应用程序，并且不涉及所谓的“计算摄影”。
AI后期是相机的大方向吗？在摄影领域，后期处理是必不可少的一步。
一方面，后处理软件可以充分利用RAW格式记录的丰富信息。
另一方面，它还可以利用PC的高性能和计算能力来快速处理照片。
与相机厂商不同，几乎所有主流专业后期软件都开始聚焦AI，强调AI的处理能力。
▲ 后期处理软件Luminar 4支持AI自动更换天空。
图片来自：LuminarAdobe的Photoshop在最近的版本中为抠图、修复、换皮等操作添加了自动识别功能，让操作变得越来越繁琐。
脑子，效果越来越精准了。
Mac平台上的Pixelmator Pro照片修饰软件早在2016年就开始使用苹果的Core ML机器学习来识别图像，从而进行色彩调整、剪切、选择，甚至在压缩输出时使用ML机器学习引擎。
。
▲ Pixelmator Pro 2.0 的图像编辑支持机器学习引擎的帮助。
图片来自：Pixelmator 前面提到，由于芯片AI算力的限制以及利基市场的问题，目前相机厂商在计算摄影方面几乎没有任何努力。
不过后来软件中AI的爆发也弥补了相机在计算摄影方面的短板。
即使在后期软件中加入了AI，相机仍然没有摆脱传统流程。
摄像机记录并由软件处理。
这个过程对于公众来说仍然很麻烦。
对于专业摄影玩家来说，后期软件AI的介入确实可以减轻工作量，让原本复杂的抠图等操作变得简单很多，但仍然无法扭转传统摄影行业的照片处理（创作）流程，与手机完全不同。
不同的。
▲2020年9月全球数码相机出货量远低于2017年。
图片来自：CIPA 根据CIPA数据，相机市场正在逐渐萎缩。
相反，手机市场持续增长。
“计算摄影”在智能手机上成为趋势，并不会改变相机日益专业化的方向，也不会扭转相机市场逐渐萎缩的趋势。
换句话说，即使现在相机拥有接近智能手机的“计算摄影”能力，是否能够拯救“下滑”的相机市场呢？答案当然是否定的。
举个极端的例子，如果可行的话，富士相机将拥有第一的市场份额。
事实上，无反相机第一的位置现在被索尼占据，看起来不太好看。
▲索尼无反相机已经成为很多工作室的工作机器。
图片来自：SmallRig。
面对手机的猛攻，相机只能向更专业的方向发展，不断向上细分市场。
近年来，全画幅万、万的高像素、中画幅过亿的像素、无反相机的视频能力不断逼近专业摄像机，这些都是相机细分市场的产品。
相机日益专业化意味着需要性能更好的图像传感器 (CMOS)。
然而，“计算摄影”严重依赖于单独的机器学习模块。
众所周知，芯片的研发成本高、风险大，相机厂商很难兼顾。
计算摄影和专业化发展是两条不同的路径。
同时，对于专业用户用处不大的“计算摄影”、“AI干预”等功能，相机厂商很可能会因平衡研发费用而暂时战略性放弃。
现阶段或可预见的未来，相机厂商拥抱“计算摄影”难度极大，风险高、投入大、见效慢。
更不用说现在已经有很多专业的后期制作软件使用AI来修图。
底部。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-17
06-18
06-18
06-17
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态