公众的印象里,苹果好像在机器学习上动作很慢。AlphaGo 以「阿法狗」的聪明可爱形象迅速蹿红,而反观苹果,除了虚拟助手 Siri,似乎别无动静。

事实上,苹果一直在将机器学习研究成果投入实际应用,去年 iPhone 7 Plus 独占的人像模式就是一个经典运用。而在今年的发布会上,苹果又推出了一个新的摄像功能——「人像光效」,它可以在使用人像模式时生成各种影棚级的打光效果,为你拍出更漂亮的人像照片。

能够实现「人像光效」模式,除了 iPhone 8 Plus 和 iPhone X 搭载了更强大的双摄像头之外,还要归功于内置了支持神经网络引擎的 A11 仿生处理器,它为机器学习提供了更好的硬件基础。

人像光效模式详解

使用

如果你学过摄影,一定会对摄影棚内复杂的布光印象深刻;即使你是个门外汉,也应该见过路边婚纱摄影所用的反光板。这些工具可以人为改变光线,让照片呈现摄影师预期的效果。

但是手机只有一组闪光灯,硬件上必然和专业的布光设备不能相提并论。为了获得相近的人像摄影效果,苹果用机器学习来弥补硬件不足。但是这一功能并非完全人工创作光线,而更像在原有基础上为脸部补光,获得更理想的效果。

目前仅有 iPhone 8 Plus 和 iPhone X 支持人像光效,并且处于测试阶段。使用这一功能的方法有两种,用户可以在相机模式下左滑进入 Portrait (人像模式),于取景框下半部分直接选择所需光效,效果会实时显示在取景界面;或者在以人像模式拍摄照片之后,在系统相册中进入编辑模式选择不同光效,即可像添加滤镜一样方便地为人物面部后期「打光」。

左为拍摄界面,右为编辑界面,皆可使用人像光效

人像光效支持自然光、摄影室灯光、轮廓光、舞台光以及单色舞台光等几种光效。

图片来自 Apple 官网

就目前官方样张来看,模拟舞台光的效果最好,具有伦勃朗光的艺术效果。 其他模式效果不明显,只怪官方样张向来清晰生动得不可思议,没能看出对比来。

不过,看见舞台光效果,我首先想到的应用场景居然是……无需专门背景,轻松拍证件照。

或许这种场面要变成历史了

原理

凭借 A11 仿生芯片和全新图像信号处理器,人像光效利用面部识别技术和面部深度图,可以为拍摄对象添加浓重阴影、聚光照明等光影效果,仿佛人工为其打光。

从发布会上的介绍看,人像光效通过「两步走」来实现软件打光:

  • 为人物脸部进行 3D 建模
  • 套用预设光影模板,模拟打光效果

局限

正如其名,人像光效也仅仅用于人像摄影,你不能给在别的场景下自由「打光」。过于杂乱的背景、糟糕的光线,也会让人像光效打折扣。真正使用的时候,还是得细心采光,不可抱着一切交给机器学习的心态,幻想废片变大片。

机器学习对摄影的影响

其实早在人像光效之前,机器学习(或说人工智能)就运用在了摄影与后期上。也许我们觉得这些技术太「bug」了,违背了摄影的初衷,把艺术的「记录」变成了工业化的「生产」。别忘了 Photoshop 也曾给人「造假」的印象,时间则证明了适当后期是必要的。

人像模式

曾经被 iPhone 7 Plus 独占的人像模式,也是通过机器学习呈现背景虚化效果。两颗焦距与光圈均不相同的镜头,各司其职拍摄下远处背景与近处人像,再交由处理器,用机器学习算法合并为一张图像。

想在寸土寸金的智能手机实现背景虚化的人像模式,依靠光学组件不太现实,手机实在塞不下那么大的镜头。苹果采用软件算法来解决硬件问题,虽然效果并不完美,但不失为保持轻盈纤薄机身下的实用方案。

Prisma

不知是 Prisma 蹭了人工智能的热度,还是它为人工智能热潮推波助澜,或者二者兼有之。总之,主打将普通图片打造为大师风格画作的 Prisma,横空出世之后火的不行。

Prisma 的原理是「style transfer(风格转换)」算法,经神经网络学习一张图片的「风格」,将其用在另一张图片上。与其说是摄影后期,不如说是 Prisma 制作出来的图片是独特的艺术形式。Prisma 暂时还停留于趣味性,但未来神经网络的运用还是很有看头的。(Prisma 原理论文 PDF 版

杀鸡亦用牛刀?

从人像模式到人像光效,苹果花费了较大的成本去实现完善摄影后期。但是许多修图应用好像也可以达到类似效果,苹果把机器学习的牛刀用在拍人像上,是不是过于小用?

我更倾向于认为,这是苹果的有益尝试。一方面,机器学习尚没有攻壳机动队里那么夸张,目前更适合小范围地运用;而长期来看,机器学习有着广阔的前景,发展也较为迅猛,硬件支持不佳、传统算法不适合的情况下,机器学习或许能露两手。

每年手机摄影都在快速进步,让我们可以用更简单的方式拍照、修图,但这不表示「器材党」就胜利了。即便 Prisma 可以模拟出大师风格,艺术家们也不会放弃辛苦创作;即使人像光效在一定程度上可以「制造光」,但摄影依旧是一门光的艺术。

机器学习可以作为辅助工具,但暂时还不能颠覆摄影乃至艺术的本质。摄影本身就是发展的,或许机器学习以后会和 Photoshop 一样成为摄影师的利器。

媒体喜欢炒热一些概念,把已经过去的 2016 年称作 VR/AR 元年,将今年则夸成人工智能元年——这种称谓有点可笑,几乎和把细菌尊为祖先一样,在逻辑上不能说是错误的,但未免热度虚高了。赵赛坡有句话很有意思:

某种意义上,深度学习是只是机器学习的 1%,而机器学习则仅仅是人工智能的 1%。

的确,随着新 iPhone 的发布,机器学习-人工智能又一次点燃了消费市场的热情,但是企业级人工智能运用的增速仍然相对缓慢。距离更普及的人工智能——无论是科幻作品里的,还是硅谷大佬们鼓吹的——路还尚远。

眼下苹果把机器学习的成果运用在摄影后期这样的「小地方」,可能是适时的一份答卷。作为消费者,我们不妨多给技术一些时间。


少数派接下来仍会持续报道新 iPhone 和 iOS 11 的方方面面,欢迎你通过 少数派 iOS App 及时获取最新内容。

阅读少数派更多关于新 iPhone 和 iOS 11 的内容: