「人像光線」是什麼?詳解iPhone 8 Plus、iPhone X的全新攝影功能
「人像光線」是什麼?詳解iPhone 8 Plus、iPhone X的全新攝影功能
2017.09.15 | 蘋果

在大眾的印象裡,蘋果在機器學習上的佈局很慢。 Google的AlphaGo以聰明可愛形象迅速躥紅,而反觀蘋果,除了虛擬助手Siri,似乎別無動靜。

事實上,蘋果一直在將機器學習研究成果投入實際應用,去年iPhone 7 Plus獨有的人像模式就是一個經典運用。而在今年的發表會上,蘋果又推出了一個新的攝影功能——「人像光線」,它可以在使用人像模式時生成各種影棚級的打光效果,為你拍出更漂亮的人像照片。

01.png
圖/ 少數派

能夠實現「人像光線」模式,除了iPhone 8 Plus和iPhone X搭載了更強大的雙鏡頭之外,還要歸功於內建了支援神經網絡引擎的A11仿生處理器,它為機器學習提供了更好的硬體基礎。

人像光線模式詳解

使用

如果你學過攝影,一定會對攝影棚內復雜的佈光印象深刻;即使你是個門外漢,也應該見過路邊婚紗攝影所用的反光板。這些工具可以人為改變光線,讓照片呈現攝影師預期的效果。

02.png
圖/ 少數派

但是手機只有一組閃光燈,硬體上必然和專業的佈光設備不能相提並論。為了獲得相近的人像攝影效果,蘋果用機器學習來彌補硬體不足。但是這一功能並非完全人工創作光線,而更像在原有基礎上為臉部補光,獲得更理想的效果。

目前僅有iPhone 8 Plus和iPhone X支援人像光線,並且處於測試階段。使用這一功能的方法有兩種,用戶可以在相機模式下左滑進入Portrait(人像模式),於取景框下半部分直接選擇所需光效,效果會即時顯示在取景介面;或者在以人像模式拍攝照片之後,在系統相冊中進入編輯模式選擇不同光效,即可像添加濾鏡一樣方便地為人物面部後製「打光」。

人像光效02.png
左為拍攝界面,右為編輯界面,皆可使用人像光線。
圖/ 少數派

人像光線支援自然光、攝影棚燈光、輪廓光、舞台光以及單色舞台光等幾種光效。

人像光線03.jpg
圖/ 少數派

就目前官方照片來看,模擬舞台光的效果最好,具有倫勃朗光的藝術效果。其他模式效果不明顯,只怪官方樣張向來清晰生動得不可思議,沒能看出對比來。

人像光線04.png
圖/ 少數派

不過,看見舞台光效果,我首先想到的應用場景居然是……無需專門背景,輕鬆拍證件照。

人像光線05.png
或許這種場面要變成歷史了。
圖/ 少數派

原理

憑藉A11仿生晶片和全新圖像信號處理器,人像光線利用面部識別技術和面部深度圖,可以為拍攝對象添加濃重陰影、聚光照明等光影效果,彷彿人工為其打光。

從發布會上的介紹看,人像光線透過「兩步走」來實現軟體打光:

  • 為人物臉部進行3D建模。
  • 套用預設光影模板,模擬打光效果。
人像光線06.gif
圖/ 少數派

局限

正如其名,人像光線也僅僅用於人像攝影,你不能給在別的場景下自由「打光」。過於雜亂的背景、糟糕的光線,也會讓人像光線打折扣。真正使用的時候,還是得細心採光,不可抱著一切交給機器學習的心態,幻想廢片變大片。

機器學習對攝影的影響

其實早在人像光線之前,機器學習(或說人工智慧)就運用在了攝影與後期上。也許我們覺得這些技術太「bug」了,違背了攝影的初衷,把藝術的「記錄」變成了工業化的「生產」。別忘了Photoshop也曾給人「造假」的印象,時間則證明了適當後製是必要的。

人像模式

曾經被 iPhone 7 Plus 獨占的人像模式,也是通過機器學習呈現背景虛化效果。兩顆焦距與光圈均不相同的鏡頭,各司其職拍攝下遠處背景與近處人像,再交由處理器,用機器學習算法合併為一張圖像。

想在寸土寸金的智慧手機實現背景虛化的人像模式,依靠光學組件不太現實,手機實在塞不下那麼大的鏡頭。蘋果採用軟件算法來解決硬體問題,雖然效果並不完美,但不失為保持輕盈纖薄機身下的實用方案。

人像光線07.png
圖/ 少數派

Prisma

不知是 Prisma 蹭了人工智慧的熱度,還是它為人工智慧熱潮推波助瀾,或者二者兼有之。總之,主打將普通圖片打造為大師風格畫作的 Prisma,橫空出世之後紅到不行。

Prisma.png
圖/ 少數派

Prisma 的原理是「style transfer(風格轉換)」演算法,經神經網絡學習一張圖片的「風格」,將其用在另一張圖片上。與其說是攝影后期,不如說是 Prisma 製作出來的圖片是獨特的藝術形式。 Prisma 暫時還停留於趣味性,但未來神經網絡的運用還是很有看頭的。 (Prisma原理論文PDF版

殺雞亦用牛刀?

從人像模式到人像光線,蘋果花費了較大的成本去實現完善攝影後製。但是許多修圖應用好像也可以達到類似效果,蘋果把機器學習的牛刀用在拍人像上,是不是過於小用?

我更傾向於認為,這是蘋果的有益嘗試。一方面,機器學習尚沒有攻殼機動隊裡那麼誇張,目前更適合小範圍地運用;而長期來看,機器學習有著廣闊的前景,發展也較為快速,硬體支援不佳、傳統演算法不適合的情況下,機器學習或許能露兩手。

每年手機攝影都在快速進步,讓我們可以用更簡單的方式拍照、修圖,但這不代表一機在手就行了。即便Prisma可以模擬出大師風格,藝術家們也不會放棄辛苦創作;即使人像光線在一定程度上可以「製造光」,但攝影依舊是一門用光的藝術。

機器學習可以作為輔助工具,但暫時還不能顛覆攝影乃至藝術的本質。攝影本身就是發展的,或許機器學習以後會和Photoshop一樣成為攝影師的利器。

媒體喜歡炒熱一些概念,把已經過去的2016年稱作VR/AR元年,將今年則誇成人工智慧元年——這種稱謂有點可笑,幾乎和把細菌尊為祖先一樣,在邏輯上不能說是錯誤的,但未免熱度虛高了。趙賽坡有句話很有意思:

某種意義上,深度學習是只是機器學習的1%,而機器學習則僅僅是人工智慧的1%。

的確,隨著新iPhone的發表,機器學習-人工智慧又一次點燃了消費市場的熱情,但是企業級人工智慧運用的增速仍然相對緩慢。距離更普及的人工智慧——無論是科幻作品裡的,還是矽谷大佬們鼓吹的——路還尚遠。

眼下蘋果把機器學習的成果運用在攝影後製這樣的「小地方」,可能是適時的一份答卷。作為消費者,我們不妨多給技術一些時間。

本文授權轉載自:少數派

本網站內容未經允許,不得轉載。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台日半導體新局 全解讀
© 2024 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓