近日，MIT计算机科学与人工智能实验室和Google研究团队明确提出了一套系统，在不影响手机耗电量等性能的情况下，可以动态对照片细节展开修缮，让照片者立刻获得HDR图像。低动态范围（HDR），就是利用每个曝光时间比较不应最佳细节的LDR图像来制备最后HDR图像，它需要更佳地体现出有现实环境中的视觉效果。

换言之，就是在照片时，如果考虑到高光区域的曝光，暗部细节就不会遗失；而照料暗部细节，高光区域就不会过曝。为了解决问题这一问题，可以利用照相机连拍最少三种曝光度以上的照片，最后再行用软件制备一张保有所有细节的照片，此技术称作HDR技术。据报，早在16年的GooglePixel手机上，Google就研发了涉及算法和软件，并明显提高了手机摄制出有的照片质量。其中，简单低动态范围（HDR）算法是其技术核心，它可以捕捉数字图像中颜色遗失的微小变化，但是受限于智能手机硬件的处置能力，而没能充分发挥很好的起到。

而早在2015年，MIT的研究生MichaelGharbi就研发了一个“转换器”，它可以很好地解决Google面临的问题，大大降低图像处理所需的比特率和功耗。该“转换器”的明确构建就是，让手机向网络服务器发送图像的低分辨率版本，随后服务器发送返一个针对性的切换算法，将手机上低分辨率版本的图像改动为高分辨率的图像。

“转换器”使得智能手机能在短时间内展开简单的图像处理，且不花费大量的电量。据理解，近期的这套系统是Google在MIT的这款“转换器”之上，融合自己有数的系统研发出来的。回应，Gharbi说道：“Google听闻了我做到的工作，于是他们自己做到了先前的工作，拆分了两种方法。

而现在我们要做到的就是要让算法自己自学和自由选择，即带入AI，而需要人为向云端服务器发送图像。目前来看，第一个目标就是加快和优化程序，使其能在手机上运营。”为了构建较慢处置，团队开始从图像的低分辨率版本来展开处置，但因为高分辨率图像中的各个像素的颜色值变化微小，而机器学习系统必需从自身的“坚硬输入”识别出有图像各像素点的微小颜色变化特征，以辨别出有图像处理算法的类型，因此仅次于的难题仍然是高分辨率取样的非常简单构建。

为此，该团队对机器学习系统展开大量的训练，在其输入设置上，团队没让系统输入原始的图像，而是输入回应图像中像素点颜色改动程度的公式。在训练中，根据输入公式应用于到完整图像后的效果与润饰后版本的近似于程度，系统对机器学习性能展开辨别，以此对其自身展开优化。目前研究团队已对机器学习系统展开了5000张图像数据集的训练，其中每张图像都具备五个有所不同的润饰变体。现在，在处置高分辨率图像上，带入AI的HDR算法比完整算法慢了100倍，这也就意味著在很少的运存和电池电量的情况下，手机可以动态表明HDR算法修过的图像。

GoogleResearch的JonBarron回应，用于机器学习展开计算机摄影的改良是一项令人兴奋的点子，但仍然受限于手机的处理器能力和电源容量。现在我们寻找了避免这些问题的方法，并将不会使用户有有趣的动态摄影体验。

本文来源：kok官方在线-www.spedizionexpress.com