人工智能的啟示

鐘平成

最近幾年，隨著人工智能技術的發展，我們可以教會程序識別哪些是好照片。未來的相機以及拍攝方式很有可能發生翻天覆地的變化。在市場萎縮、傳感器技術進入瓶頸的當下，AI技術也許是能夠引發一次攝影設備革命。

取景構圖

Prosthetic Photographer

這個由手柄和頂部附件組成的裝置是德國Peter Buczkowski設計的Prosthetic Photoarapher。這個裝置通過機器學習，習得了“好”照片的標準，當它發現鏡頭前的場景符合好照片標準時就會以震動方式通知使用者。目前該設備尚具有一定的局限，但它代表了未來拍照設備發展的一個方向。

參數設定

Arsenal

Arsenal的外形和功能很像無線快門，它可以安裝在相機頂部的熱靴上，然后通過數據線與相機連接。但與無線快門線不同的是，Arsenal學習了成千上萬張優秀照片的參數，當你完成取景后，Arsenal會根據鏡頭前的場景給出正確的光圈、快門、感光度等參數建議，用戶可以直接在手機App上看到Arsenal的建議值，并且一鍵設置所有參數進行拍照。

除了基礎的曝光參數外，Arsenal還能幫助你完成諸如HDR、景深堆棧等需要多張曝光的場景拍攝。另外如果不認同設備提供的參數，還可以在手機上修改參數。拍攝完成之后，Arsenal會識別拍攝到的照片，并根據實際需要對照片進行適當的后期，讓它變得更完美。

相比于前面的Prosthetic Photoqrapher，Arsenal設備的完成度要更高，目前設備研發正處于眾籌階段，相信不久就可以看到真正面世的產品。

照片評價

谷歌NIMA

作為一款谷歌全力打造的AI系統，NIMA（Neural IMaqe Assessment）學習了成千上萬名人類對海量照片的審美打分，以此為依據初步實現了審美層面的分析和篩選功能。NIMA對圖片打出分數（10分制，括弧內為人類參與者打分的平均數）。經過不斷調試，NIMA的打分逐漸趨于穩定，與真實參與的200名人類打分的平均值相比差別不大。

NIMA研究工作表明，基于機器學習的質量評估模型可能具有很多有用的功能。例如，可以讓用戶輕松找出最好的照片，甚至通過向用戶提供實時反饋來提高照片拍攝能力。在后期處理方面，這些模型可以用來指導增強運算符生成更出色的感知結果。簡單地說，NIMA網絡以及其他類似網絡可以滿足人類對圖像甚至視頻的審美，盡管還不夠完美，但已經比較可行了。

對同—標簽下的圖片篩選排序

對同主題，不同畫質的圖片進行篩選

一鍵摳圖

Adobe Sensei

曾經的摳圖軟件都是依據像素之間的顏色、亮度關系完成邊緣選擇的，所以當邊緣線條不明顯時，這類軟件就無法實現較好的摳圖效果。隨著人工智能的引入，程序對于照片的哪些部分代表什么物體有了認識，在摳圖操作中能夠給出讓人驚嘆的效果。

在最新版本的Photoshop CC中增加了“選擇主體”功能，此功能基于Adobe Sensei的AI系統可以對畫面全局進行分析，并從含義層面對摳圖程序進行指導，從而摳出來的是Adobe Sensei認為的畫面主體，如果是一群人的話，這個功能也能將人群準確摳出來。

畫質增強

IetSenhance.io

電影中經常會出現電腦高手一下子就將模糊的監控畫面變得清晰，現在基于AI的程序已經可以實現這個神奇的功能了。

letsenhance.io網站允許用戶上傳自己的照片并將照片的尺寸擴大4倍，相比于傳統插值方式的擴圖效果，Letsenhance的擴圖效果十分自然，對于物體邊緣的處理也十分到位。

在擴圖的同時，Letsenhance還會對畫面中的壓縮痕跡、噪點等畫面瑕疵進行修復，所以有些時候擴圖的質感會比原圖還有優秀，是名副其實的畫質增強。

無中生有

NVIDIA Content-Aware Fill

Adobe當年推出根據四周元素特征自動填補空缺內容的“ContentAware Fill”功能時，幾乎可以用黑科技來形容，但真正應用時，還是免不了會有一些限制。而NVIDIA這次發表的研究結果，是在ContentAware Fill的概念之上再引入了AI深度學習，除了單純尋找填補之外，還會試著去理解畫面的內容，來判斷應該加入什么東西。例如，將原始圖片的一雙眼睛“擦”掉的時候，NVIDIA的系統會判斷這是一張臉，而臉的這個位置就應該有一雙眼睛，所以會從圖庫中找一雙眼睛來補充該位置。

自然，這樣的系統總是不完美的，畢竟從圖庫中隨機選擇的眼睛看起來會有些突兀，而且洞太大的時候，AI也會判斷不太出來該做什麼。但從NVIDIA公布的示范影片來看，小范圍的修正已經可以達到肉眼幾乎看不出修圖痕跡的程度，破損照片的修復也有不錯的效果。