搞算法还要当“美学家”？旷视要用AI重新定义计算摄影( 二 ) 智东西（公众号：zhidxcom）文|云鹏如

旷视的工程师告诉智东西，对于“超画质” ，旷视追求的是整体影像拍照好看，这个好看主要是对于光的处理。
“光有三个域，分别是时域、频域、空域。旷视超画质做的核心工作，就是对三个域上的信号进行增强，或者优化处理。 ”
就比如对于噪声的优化，旷视算法的核心就是对时域和空域信号的补充。
首先AI会对自然光谱进行学习并总结特性，然后就可以借此对相机传感器所捕捉的信号进行分辨，哪些是噪声，哪些是成像需要的信号。最后把需要的部分还原，把噪声的部分去掉，这就是AI在降噪算法上的一个典型应用。
三、计算摄影的本质，是“光感知”的协同设计从超画质技术，我们可以看出旷视对于计算摄影的发展路径有着自己的理解和判断。
其实拍摄本质上是一个“光感知”的过程。光：光线本身及光学路径；感：接收光线做光电转化；知：将光信号做计算处理。
形象的来理解，其实可以比作人眼看到物体的过程。人眼中的晶状体和角膜是光学系统，而感知的部分是视网膜，处理的部分是大脑。
以前手机相机硬件之间的交流是通过相对固定的信息参数，光的部分以镜头为媒介，把参数给到感的部分（传感器），基于这些信息感的部分来做优化设计，这是单一“小水管”形式，各个部分单打独斗，各自提升。
文章插图
而现在通过AI算法，旷视在各硬件之间搭建了一个类似神经网络的链接，从最优影像效果出发，优化各个硬件的参数。
文章插图
旷视的工程师特别强调说，光感知系统是一个整体，他们一定是协调工作的。逻辑上是通过扩大整体信息管道的通量，让不同硬件设备之间形成更有效的全局优化，使整个系统的效果更往上走一个台阶。
旷视将这种思路和方法称为：用AI重新定义光感知系统。而AI计算摄影就是旷视在手机影像领域应用这种方法的体现。
四、为了让AI更懂“什么是美” ，先要把自己训练成“美学家”可以看到， AI的加入让影像系统的算法之争又上升到了一个更高的维度，而这也需要大量研发人员、大量研发资金的投入来慢慢打磨。
九年前，旷视进入了AI视觉这条赛道。从面部识别到计算摄影算法，他们一直在拓展自己在AI算法领域的研究边界。
目前旷视研究院已经拥有500多位研究员，据称这样的规模在全球范围内也属于比较领先。
为了提升超画质的实际表现，旷视搭建了自己的光学实验室、图卡实验室等专业实验室。
旷视的工程师告诉智东西，为了让AI更懂“什么是美” ，他们从事超画质研发的同学，在训练算法前，都要先将自己训练成能够辨识美的“美学家” ，只有自己能够熟练辨识什么是好照片，才能开发出实际表现更贴近用户需求的超画质算法。
就比如，色彩的表现力和自然真实之间如何做取舍？这就是一个非常令人纠结的问题。这时候，就不能盲目训练算法，而是要先通过人来评判。
旷视的超画质工程师们会跟专业的图像质量测评集去打交道，也会跟客户一起讨论， “先把自己训练出来，知道怎样做好看了，才知道自己做的图是不是好。 ”
凭借研发人员这种认真和执着，依托旷视Brain++平台的能力，在不到2年的时间里，旷视超画质技术已经迭代到3.0版本，整体研发及交付效率提升了6倍。
文章插图
从算法驱动到价值驱动。旷视的工程师说，客户曾有一句评价令他们印象很深刻：“旷视只要选好方向，就非常坚定，最终能够做出来好的产品。 ”