认识达内从这里开始

随着互联网的不断发展，许多的互联网公司在推出自己的新产品的时候总是希望能够与最新的科学技术搭上关系，这样可以成为品牌推广的一个很好的包装卖点。

今天，我们就通过案例分析来了解一下，在最新的苹果手机中采用了哪些值得我们学习了解的科学技术，下面就开始今天的主要内容吧。

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iPhone8Plus和iPhoneX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」。

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。

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

那么，大家是否希望了解这项技术背后蕴含的原理呢?

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

在目前的科技水平下，这项技术还存在哪些局限性呢?

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iPhone7Plus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「styletransfer(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。

我们再来预期一下，在以后的一段时间中，都有哪些技术的发展变化。

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」，但摄影依旧是一门用光的艺术。

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。

【免责声明】：本内容转载于网络，转载目的在于传递最新信息。文章内容为作者个人意见，本平台对文中陈述、观点保持中立，不对所包含内容的准确性、可靠性与完整性提供形式地保证。请读者仅作参考。