近日，MIT計算機科學與人工智能實驗室和Google研究團隊提出了一套系統(tǒng),，在不影響手機耗電量等性能的情況下,，可以實時對照片細節(jié)進行修復,，讓拍照者立即得到HDR圖像。

高動態(tài)范圍（HDR），就是利用每個曝光時間相對應最佳細節(jié)的LDR圖像來合成最終HDR圖像,，它能夠更好地反映出真實環(huán)境中的視覺效果。

換言之,，就是在拍照時,，如果考慮高光區(qū)域的曝光，暗部細節(jié)就會丟失,；而照顧暗部細節(jié),，高光區(qū)域就會過曝。為了解決這一問題,，可以利用相機連拍至少三種曝光度以上的照片,，最后再用軟件合成一張保留所有細節(jié)的照片，此技術稱為HDR技術,。

據(jù)悉,，早在16年的Google Pixel手機上，Google就開發(fā)了相關算法和軟件,，并顯著改善了手機拍攝出的照片質(zhì)量,。其中,，復雜高動態(tài)范圍（HDR）算法是其技術核心，它可以捕獲數(shù)字圖像中顏色丟失的微小變化,，但是受限于智能手機硬件的處理能力,，而未能發(fā)揮很好的作用。

而早在2015年,，MIT的研究生Michael Gharbi就開發(fā)了一個“轉(zhuǎn)換器”,，它可以很好地解決Google面對的問題，大大降低圖像處理所需的帶寬和功耗,。

該“轉(zhuǎn)換器”的具體實現(xiàn)就是,，讓手機向網(wǎng)絡服務器發(fā)送圖像的低分辨率版本，隨后服務器發(fā)送回一個針對性的轉(zhuǎn)換算法,，將手機上低分辨率版本的圖像修改為高分辨率的圖像,。“轉(zhuǎn)換器”使得智能手機能在短時間內(nèi)進行復雜的圖像處理,，且不耗費大量的電量,。

據(jù)了解，最新的這套系統(tǒng)是Google在MIT的這款“轉(zhuǎn)換器”之上,，結合自己已有的系統(tǒng)開發(fā)出來的,。

對此，Gharbi說：“Google聽說了我做的工作,，于是他們自己做了后續(xù)的工作，合并了兩種方法,。而現(xiàn)在我們要做的就是要讓算法自己學習和選擇,，即融入AI，而無需人為向云端服務器發(fā)送圖像,。目前來看,，第一個目標就是加速和優(yōu)化程序，使其能在手機上運行,?！?/p>

為了實現(xiàn)快速處理，團隊開始從圖像的低分辨率版本來進行處理,，但因為高分辨率圖像中的各個像素的顏色值變化微小,，而機器學習系統(tǒng)必須從自身的“粗糙輸出”辨識出圖像各像素點的細微顏色變化特征，以判斷出圖像處理算法的類型,，因此最大的難點依然是高分辨率采樣的簡單實現(xiàn),。

為此，該團隊對機器學習系統(tǒng)進行大量的訓練,，在其輸出設置上，團隊沒有讓系統(tǒng)輸出完整的圖像,，而是輸出表示圖像中像素點顏色修改程度的公式,。在訓練中,，根據(jù)輸出公式應用到原始圖像后的效果與潤飾后版本的近似程度,，系統(tǒng)對機器學習性能進行判斷，以此對其自身進行優(yōu)化,。

目前研究團隊已對機器學習系統(tǒng)進行了5000張圖像數(shù)據(jù)集的訓練，其中每張圖像都具有五個不同的潤飾變體,。

現(xiàn)在,，在處理高分辨率圖像上,，融入AI的HDR算法比原始算法快了100倍,，這也就意味著在很少的運存和電池電量的情況下，手機可以實時顯示HDR算法修過的圖像,。

Google Research的Jon Barron表示,，使用機器學習進行計算機攝影的改進是一項令人興奮的想法，但一直受限于手機的處理器能力和電源容量?，F(xiàn)在我們找到了避開這些問題的方法,，并將會使用戶有很棒的實時攝影體驗。