在即将结束的去年，我们已经看到最大的手机品牌如何越来越关注设备的照相领域：不仅有谈论 最好的相机安装在最好的设备上，但算法将通过人工智能在更多“过时”的设备上使用。 小米 例如，正如我们报道的那样 归仁，专注于（部分）收购 美图 他拥有许多美容算法和成像专利； 结合小米的超强竞争价格，必将带来对致力于摄影领域的人工智能。 但是今天的新闻又是另外一个：交叉研究后DeepExposure：通过增强的异步方式通过对抗性学习来曝光照片= 的 北京大学中， 华南师范大学 和 小米技师 我们取得了惊人的成果。 随着 DeepExposure，小米通过AI改善了照片的曝光，而不会出现曝光不足和曝光过度的问题。
DeepExposure：小米通过AI改善照片曝光
研究人员 小米实验室 描述暴露困境的解决方案 内尔上述文章, 接受了 NeurIPS 2018在蒙特利尔于今年3月9日至XNUMX日举行。 本文介绍了一个 AI系统能够将图像分割成几个“子图像”，每个子图像都与特定的曝光相关联。 这些具有不同曝光度的子图像的合并 （从下面到过度暴露） 导致照片非常接近人眼所感知的图像。 研究人员说：
“准确的曝光是在计算摄影中捕捉高质量照片的关键，特别是对于受相机模块尺寸限制的手机而言. 受专业摄影师通常使用的光度蒙版的启发，在本文中，我们开发了一种新的算法，可以通过对深度强化的对抗性学习来学习曝光。.
该技术可让您并行执行多条指令，以提高处理器的性能。IA，绰号 DeepExposure ，开始了 图像分割。 随后是将低分辨率输入，子图像和图像合并并进行处理的阶段。 此后，算法切换为XNUMX 完成阶段 其中一个评估一般质量。 最后， 子图像混合到最终照片. DeepExposure通过这种方式，她成功地恢复了原始图像中的大部分细节和样式，同时提高了亮度和色彩。
要实施此实验， 小米 使用了框架 TensorFlow 开源开发 谷歌， 一系列的 GPU Nvidia P40特斯拉 和一组图像 MIT-Adobe FiveK。 创新的方法 DeepExposure充当深度学习方法和传统过滤方法之间的桥梁：方法 深度学习用于学习滤波器参数，这使得传统方法的过滤更加精确。 传统方法减少了培训时间 深度学习方法因为像素滤波比新技术快得多。
对于小米来说，在收购了美图的算法和美容滤镜之后，照相领域有望产生火花。 我们将进入一个不再需要无反光镜相机和反光相机的时代吗？ 你怎么看待这件事？ 在评论中写给我们
