現(xiàn)在居家看電影，大伙兒還是更愿意用電視。
畢竟在同等條件下，電視的屏顯和畫質(zhì)擺在那里，手機(jī)再怎么升級屏幕，沉浸感還是沒有電視好。
BUT，就在最新一期天璣旗艦技術(shù)溝通會上，聯(lián)發(fā)科卻突然宣布，成功把電視上的畫質(zhì)“秘籍”搬到手機(jī)上來了 ——
要知道在智能電視市場，聯(lián)發(fā)科智能電視芯片至今已助力累計(jì)超過 20 億臺電視產(chǎn)品在全球各地上市，是這一領(lǐng)域的領(lǐng)導(dǎo)廠商，畫質(zhì)增強(qiáng)技術(shù)更是早有積淀。
電視技術(shù)移至到手機(jī)上帶來了兩點(diǎn)好處，一方面，畫質(zhì)品質(zhì)更高了；另一方面，用到手機(jī)拍照甚至拍視頻上，可以節(jié)省算力進(jìn)一步提升能效。
要知道，這可是各大頭部電視廠商都在用的畫質(zhì)技術(shù)，有幾家才剛安排到新產(chǎn)品上。
此前手機(jī)雖然也 get 了不少影像處理技能，但和高端電視比起來還是要低調(diào)一些。
這究竟是怎么做到的？
把電視畫質(zhì)技術(shù)搬手機(jī)上來了
最新的電視技術(shù)全稱 AI 景深畫質(zhì)增強(qiáng)技術(shù)（AI Depth PQ），目前這項(xiàng)技術(shù)已經(jīng)被用在不少電視上。
既然如此，聯(lián)發(fā)科腦洞大開：為什么不能將這類 AI 畫質(zhì)優(yōu)化相關(guān)技術(shù)直接用到手機(jī)拍照、視頻實(shí)時(shí)處理上，直接改善成片效果？
具體來說，通過 AI 來進(jìn)行畫質(zhì)增強(qiáng)的技術(shù)又可以被分為幾類技術(shù)，包括 AI 圖像語義分割技術(shù)、景深估計(jì)技術(shù)和智能優(yōu)化技術(shù)等。
其中最重要也是整個(gè)技術(shù)的核心，就是 AI 圖像語義分割技術(shù)。
這項(xiàng)技術(shù)本身并不復(fù)雜，核心思路就是將場景中的不同物體按照“描邊”的方式分割成幾個(gè)區(qū)域，每個(gè)區(qū)域中的所有像素都可以用相同的標(biāo)簽來標(biāo)記：
但用在手機(jī)智能拍照上，又有至少三大考驗(yàn)：
AI 的理解能力，如何合理切分照片的前景和背景；AI 的決策能力，如何選擇各區(qū)域的優(yōu)化算法；受限于手機(jī)體積，AI 算法的功耗不能太大……
例如，上圖中站在背后的路人、和毯子上正在拍照的兩個(gè)主角，雖然都屬于“人”這一標(biāo)簽，但需要進(jìn)行的處理卻截然不同，一個(gè)需要摳圖并智能消除、另一個(gè)需要智能美顏算法：
又例如，即使是被劃分為“背景”的部分，在進(jìn)行處理時(shí)也有不同的算法需求，像照片中的“普通藍(lán)天”需要被優(yōu)化甚至智能替換成“更討好眼球的藍(lán)天”，而草地色彩則需要被調(diào)整得更明亮一點(diǎn)。
再例如，想將這個(gè)技術(shù)擴(kuò)大到視頻拍攝中，像電視處理電影那樣實(shí)時(shí)進(jìn)行，AI 圖像語義分割技術(shù)又不能占用太多算力，不然直接掉幀甚至快速掉電……
針對這幾點(diǎn)，聯(lián)發(fā)科對應(yīng)地研發(fā)了幾種算法，來“配合”語義分割算法打出組合拳。
首先，結(jié)合場景識別優(yōu)化語義分割算法，使得 AI 不僅能區(qū)分前景（如人像、動(dòng)物等）和背景，還能進(jìn)一步識別不同種類的背景，如建筑、天空、綠地、植物和水池等。
然后，就是 AI 區(qū)域畫質(zhì)增強(qiáng)技術(shù)（AI Region PQ）了。
將照片分割成前景和不同區(qū)域的背景后，AI 會針對每個(gè)區(qū)域的物體特性，分析并選取最合適的優(yōu)化算法，“拆分式”地優(yōu)化照片不同區(qū)域的效果。
例如針對藍(lán)天的優(yōu)化，基于色彩增強(qiáng)算法讓天色看起來更明亮；針對建筑物的優(yōu)化，則主要在對比度和銳利度上，如結(jié)合超分辨率等算法，讓建筑物的窗戶等細(xì)節(jié)看起來更清晰……
最后，還能基于語義分割算法降低視頻的算力，實(shí)現(xiàn)精確對焦。
此前，針對視頻的實(shí)時(shí)追焦算法往往是進(jìn)行逐幀追焦，通過計(jì)算幀間差異來調(diào)整清晰度，這樣不僅耗費(fèi)算力，甚至可能降低視頻的流暢度。
相比之下，采用語義分割算法區(qū)分出前景后，只需要針對前景區(qū)域進(jìn)行偵測和追焦就行，背景則不需要再耗費(fèi)更多算力去進(jìn)行優(yōu)化，就省去了不少算力。
這樣一來，不僅照片和視頻都實(shí)現(xiàn)了實(shí)時(shí)算法優(yōu)化，甚至相比原來還節(jié)省了一大波算力，例如 4K30 幀視頻和 8K30 幀視頻拍攝所需算力，都降低到了原來的 1/4。
同時(shí)，聯(lián)發(fā)科也針對 AI 算法在硬件處理上進(jìn)行了對應(yīng)的優(yōu)化，包括提升 APU 的能效等，進(jìn)一步降低 AI 景深畫質(zhì)增強(qiáng)技術(shù)在手機(jī)上消耗的算力。
事實(shí)上，這也并非聯(lián)發(fā)科第一次針對手機(jī) AI 技術(shù)進(jìn)行布局了。
用 AI 突破計(jì)算攝影瓶頸
從 2018 年開始，聯(lián)發(fā)科開始將計(jì)算攝影作為手機(jī)芯片算法的研發(fā)重點(diǎn)。
當(dāng)年 10 月份推出的 Helio P70 處理器，著重提升了多幀降噪 （MFNR）方面的性能，即通過一次性拍攝多張照片，隨后通過計(jì)算每個(gè)位置對應(yīng)的多層像素均值進(jìn)行輸出，提升照片的清晰度。
這其中涉及大量算法的優(yōu)化，尤其是拍攝多張照片并進(jìn)行處理的速度，當(dāng)年 Helio P70 針對多幀降噪算法進(jìn)行優(yōu)化后提升了約 20% 的性能。
然而，在計(jì)算攝影研發(fā)過程中，團(tuán)隊(duì)在計(jì)算機(jī)視覺方面遇到了一些算法優(yōu)化極限。
適逢更多 AI 算法在手機(jī)端優(yōu)化落地，計(jì)算攝影團(tuán)隊(duì)的重心也逐漸轉(zhuǎn)到 AI 技術(shù)研發(fā)上。
一方面是芯片上有關(guān) AI 算力的提升。
最早從 2018 年 Helio P90 強(qiáng)調(diào)提升 AI 算力速度、同時(shí)推出包含剪枝在內(nèi)一系列優(yōu)化算法的 AI 計(jì)算平臺 NeuroPilot v2.0，到 2020 年的天璣 1000 + 的 MiraVision 畫質(zhì)引擎和 APU3.0；
再到 2021 年至今強(qiáng)調(diào)的“每瓦有效算力”指標(biāo)，即 APU 長時(shí)間運(yùn)行的功率大致在 1W 左右，聯(lián)發(fā)科在這方面強(qiáng)調(diào)的始終是“開源節(jié)流”，優(yōu)化 AI 的能耗。
也就是說，盡可能在不增加功耗的情況下，提升手機(jī)上 AI 算法運(yùn)行的效果。
另一方面則是不斷改進(jìn) AI 算法的性能。
而從整體研究范圍來看，聯(lián)發(fā)科這幾年也一直在提升對于 AI 的重視程度，包括進(jìn)行貝葉斯優(yōu)化、元學(xué)習(xí)相關(guān)的機(jī)器學(xué)習(xí)研究，相關(guān)論文發(fā)表在 NeurIPS、ICLR 等頂會上。
這其中就有與影像處理相關(guān)的研究，例如提出了一個(gè)名為 CycleNet 的框架，旨在提升 AI 識別拍攝場景中較深物體（即相對鏡頭的距離較遠(yuǎn)）的能力。
具體來說，CycleNet 借鑒了“神經(jīng)元會和處理相同圖像中具有相同特征物體的神經(jīng)元產(chǎn)生聯(lián)系”等一系列生物神經(jīng)元處理信息的特點(diǎn)，來設(shè)計(jì)整體的框架邏輯，提升 AI 在處理較小較模糊的目標(biāo)時(shí)整體的識別準(zhǔn)確率。
至于我們多久會在手機(jī)上見到這樣的 AI 技術(shù)？還得看聯(lián)發(fā)科的速度了（doge）
還有哪些手機(jī)技能待點(diǎn)亮？
隨著 AI 落地的技術(shù)越來越多，手機(jī)應(yīng)用似乎也在進(jìn)一步逼近想象力的極限。
甚至有一種觀點(diǎn)認(rèn)為，目前能提升手機(jī)性能和創(chuàng)造力的就只有 AI 技術(shù)了。
然而事實(shí)真是如此嗎？
即便這幾年手機(jī)功能需求逐漸趨于一致，人們的關(guān)注度也并不止放在手機(jī) AI 技術(shù)上。
包括 GPU、通信乃至導(dǎo)航等，同樣是大伙兒期待在手機(jī)上能有進(jìn)一步提升的硬件設(shè)備“技能點(diǎn)”。
這種情況下，手機(jī)究竟還有哪些可待提升的功能空間？
如果仔細(xì)觀察這幾年芯片技術(shù)發(fā)展趨勢的話，會發(fā)現(xiàn)確實(shí)還有不少。
從聯(lián)發(fā)科在技術(shù)溝通會上透露的情況來看，芯片廠商針對手機(jī)游戲性能提升的側(cè)重點(diǎn)仍然在移動(dòng)光追上。
只不過相比于去年這一熱點(diǎn)概念的提出，今年移動(dòng)光追已經(jīng)逐漸成為手機(jī)上一個(gè)可以預(yù)見的功能性賣點(diǎn)，而且還會隨著技術(shù)的成熟普及到更多手機(jī)設(shè)備上。
同理還有移動(dòng) GPU 增效方案，也在與移動(dòng)光追同步進(jìn)行，目的是在增加圖像刷新率、分辨率和渲染復(fù)雜度的同時(shí)，保持芯片能效的優(yōu)化，以實(shí)現(xiàn)軟硬件同步跟進(jìn)的效果。
至于在通信技術(shù)方面，未來可預(yù)見的功能則包括 5G 新雙通、以及支持 Wi-Fi 7、高保真藍(lán)牙音頻等。
其中，新雙通指在手機(jī)雙卡雙待的情況下，讓雙卡的信號徹底不互相影響的能力，即使用流量卡打游戲時(shí)，主卡接電話也絲毫不受到影響。
隨著明年 Wi-Fi 7 標(biāo)準(zhǔn)的發(fā)布，WiFi 吞吐量、穩(wěn)定性和時(shí)延還會有進(jìn)一步的改善，到那時(shí)候手機(jī)上即時(shí)刷劇打游戲的體驗(yàn)也會再度提升。
至于高保真藍(lán)牙音頻這一方面，則主要是改進(jìn)了音頻編解碼器和高帶寬的技術(shù)，讓音頻傳輸效率和音質(zhì)進(jìn)一步 up。
最后則是高精度導(dǎo)航方面的技術(shù)了。
雖說隨著自動(dòng)駕駛和 V2X 等技術(shù)發(fā)展火熱，如今車道級導(dǎo)航已經(jīng)是車機(jī)標(biāo)配。
但在不用車或是車內(nèi)手機(jī)導(dǎo)航時(shí)，除了室內(nèi)這種衛(wèi)星信號無法觸達(dá)的場所，高樓大廈林立的區(qū)域也同樣需要用到手機(jī)高精度導(dǎo)航技術(shù)。
而隨著聯(lián)發(fā)科 MPE（MEMS-sensor Positioning Engine）融合技術(shù)的發(fā)展，結(jié)合傳感器（陀螺儀、加速度計(jì)等）+ 全球衛(wèi)星導(dǎo)航系統(tǒng)的導(dǎo)航技術(shù)也將應(yīng)用到手機(jī)上，極大增加室內(nèi)定位和弱信號區(qū)域的導(dǎo)航精度。
年底下一代天璣旗艦芯片又要發(fā)布了，據(jù)網(wǎng)傳型號是天璣 9200，你最期待什么功能出現(xiàn)在上面？
本文來自微信公眾號：量子位 （ID：QbitAI），作者：關(guān)注前沿科技
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。