教你一招,讓普通手機變身望遠鏡!






來源丨量子位(ID:QbiAI)

作者 |花栗子 郭一璞

教你一招,讓普通手機變身望遠鏡!

一些手機靠良好的變焦技能,如果從遠處拍到的埃菲爾鐵塔,連設計師們的名字都看得清。這真是奢侈到讓人心生嫉妒。

不過現在,只靠深度學習iPhone也可以把50米之外的細節,拍得清楚明白。

比如,你在街上走著,望到了對面的店鋪,牆邊立著像梯子一樣的東西:

教你一招,讓普通手機變身望遠鏡!

這時候,如果用普通的數位變焦拍一張特寫,約等於自暴自棄:

教你一招,讓普通手機變身望遠鏡!

那麼,讓超分辨率的大前輩ESRGAN試一下。

還是有些力不從心:

教你一招,讓普通手機變身望遠鏡!

是時候展現真正的技術了。

主角出場,超進化的數位變焦:

教你一招,讓普通手機變身望遠鏡!

原來它長這樣啊。每一道銀色的線條,都堅定地橫在畫面上,沒有被黑暗的背景消融掉,細節比前輩生成的清晰許多。

走著走著,又看到了20米以外的小幅海報,上面細小的網址,不用走過去拍也能看清:

教你一招,讓普通手機變身望遠鏡!

這只眼力上佳的AI,微調一波之後,已經在iPhone X的相機上測試可用。

論文還中了CVPR 2019。作者有四位,一作是伯克利的博士生張璇兒,二作是港科大的助理教授陳啟峰。

團隊說關鍵在於,不能只用RGB圖像數據來訓練要用原始數據

不一樣的數據集

在超分辨率的世界里,有些標準操作,大家已經習以為常。

卻沒發現,原本常用的數據集,帶來了兩個嚴重的問題。

教你一招,讓普通手機變身望遠鏡!

第一,因為神經網路需要成對的圖片,一張高分辨率一張低分辨率,來解鎖從低清里恢復高清的技能。通常的做法是,對高清圖片做降采樣(Downsampling) ,得到對應的那張低清圖片。

降采樣,會間接減少圖像的噪點。

而超分辨率通常是要把遠處的物體放大,離鏡頭越遠的物體,它所在的區域噪點會越多,因為進入光圈的光子少了。

這樣說來,用降采樣炮制的數據,不太適合拿來訓練超分辨率的技能。

第二,現有的大多數方法,都是直接用8位RGB圖像當訓練數據的。

教你一招,讓普通手機變身望遠鏡!

但RGB圖像,不是錄影頭的原始數據 (Raw Sensor Data) ,是圖像信號處理器 (ISP) 加工過的。

這加工步驟會損失一些高頻信號,其中一個目的也是降噪。

相比之下,原始數據 (12-14位) 保留了這些高頻信號,可能對恢復圖像質量有幫助:

教你一招,讓普通手機變身望遠鏡!

總結一下,一要拋棄降采樣,二要用原始數據來訓練。於是,研究人員拿起了單反,用光學變焦鏡頭去拍成對的照片。

簡單來說,短焦拍下低分辨率圖像,長焦拍下高分辨率圖像。

複雜一點說,24-240毫米的變焦鏡頭,可以拍出許多種不同焦距的照片。對畫面上的一個物體來說,就是不同的分辨率了:

教你一招,讓普通手機變身望遠鏡!

任意兩張圖像,只要分辨率不同,都可以組成一對。

SR-RAW數據集就這樣誕生了。每張圖像都是原味,低清不是由高清粗暴轉化得來,原始數據也都在。

訓練的時候,是用低清照片的原始數據,加上高清照片的8位RGB圖:高清是低清的Ground Truth。

那麼,是不是有了數據集,就得到了天下?

還差一點:

圖像對不齊怎麼辦

訓練超分辨率,首先需要圖像對齊(Alignment) 。就是把低清圖像的每一個像素點,和高清圖像里的像素點對應起來。

因為高清和低清圖像,是在同一枚鏡頭的不同配置下拍攝的,對齊的時候會出現不可避免的問題。

比如,透視問題。調了焦,物體之間的距離變了,很難對齊了:

教你一招,讓普通手機變身望遠鏡!

比如,景深問題。調了焦,物體和背景之間的距離也變了,更難對齊了:

教你一招,讓普通手機變身望遠鏡!

另外,高清圖像里面,物體邊緣會更加鋒利,而低清圖像里的邊界比較模糊,原本就很難對齊。

於是,團隊提出了一種新的損失函數,叫做CoBi

這個損失,是在去年發表的Contextual Loss(簡稱CX) 基礎上進化而生。

CX可以解決圖像不對齊的問題,卻不考慮圖像的空間特徵,在執行超分辨率任務的時候會出現重大的瑕疵 (下圖B) :

教你一招,讓普通手機變身望遠鏡!

左起:低清輸入、CX訓練成果

教你一招,讓普通手機變身望遠鏡!

左起:CoBi訓練成果、Ground Truth

所以,CoBi比CX多加了一項有關空間坐標的損失。這樣,便可以訓練出優秀的超分辨率網路了。

原始數據,真的更有效

訓練完成之後,要和其他網路比一場。那麼,先用肉眼評判一下。

一道題目是,限時段停車的指示牌:

教你一招,讓普通手機變身望遠鏡!

左下是低清輸入,右下是Ground Truth

比賽結果是 (看不清可以把手機橫過來) :

教你一招,讓普通手機變身望遠鏡!

右一為主角

主角恢復的文字,比前輩們都要清晰一籌。

如果,你感覺它和ESRGAN的表現差不多,我們來單獨對比一下:

教你一招,讓普通手機變身望遠鏡!

左為ESRGAN,右為主角

優勢還是可見的。

數據,也支持了肉眼的判斷:

教你一招,讓普通手機變身望遠鏡!

不論4倍還是8倍變焦,主角的各項指標,都要明顯優於其他選手。

上面的數據表里,SSIM是結構相似性,PSNR是峰值信噪比,都是和Ground Truth相比,越大越好。

LPIPS是一個新近提出的指標,是用一個預訓練的網路,來測量圖像之間的感知相似度 (Perceptual Image Similarity) ,越小越好。

教你一招,讓普通手機變身望遠鏡!

打敗了對手之後,團隊又用人工合成的傳感器數據 (C) ,以及8位RGB圖像 (B) ,分別訓練了一下自家的模型,看原始數據(D)訓練的模型是不是真比它們更優秀。

其中一道題目,是40米之外的馬里奧:

教你一招,讓普通手機變身望遠鏡!

左是用合成數據訓練的,右是用原始數據訓練的:

教你一招,讓普通手機變身望遠鏡!

原始數據的訓練之下,畫質更加美好。

對比一下,這是Ground Truth (來自光學變焦鏡頭,就是單反) :

教你一招,讓普通手機變身望遠鏡!

各項指標也認為,投喂原始數據的模型表現更出色:

教你一招,讓普通手機變身望遠鏡!

Ours-syn-raw=合成數據訓練後,Ours=原始數據訓練後

不過,合成數據上訓練的成果,雖然比不上用原始數據養成的模型,但還是比直接用RGB圖像訓練的模型,要爭氣一些。

終究,還是要用原始數據訓練的好。

結論令人振奮,但還不是結局。研究人員希望這只用單反傳感器養成的AI,也能適應手機的傳感器

於是,他們選了iPhone X做小白鼠,用一個小數據集微調了一番。5000次迭代之後,模型在手機上獲得了新生:

教你一招,讓普通手機變身望遠鏡!

實驗室里的人類們

研究團隊,來自伯克利、港科大和英特爾。

教你一招,讓普通手機變身望遠鏡!

一作是來自伯克利的張璇兒,高中畢業自人大附中,本科畢業於萊斯大學,如今已是四年級的博士生。

主攻計算機視覺的她,先後在Adobe、Facebook和英特爾實習過。張璇兒一作且有陳啟峰參與的CVPR論文,已經不止一篇了。

教你一招,讓普通手機變身望遠鏡!

比如,這項畫風綺麗的研究成果,可以去除照片上的「鬼影」。

二作,大家可能比較熟悉了。

教你一招,讓普通手機變身望遠鏡!

陳啟峰,1989年生人,高中獲得IOI金牌,放棄清華保送而選擇港科大,又在密大交換期間獲得過ACM總決賽的亞軍 (北美第一) 。

2012年,陳啟峰獲得了包括史丹佛、哈佛、MIT在內9所學校的PhD錄取信,最終選擇了史丹佛。

2017年博士畢業,2018便已成了港科大的助理教授。

教你一招,讓普通手機變身望遠鏡!

三作吳義仁 (Ren Ng) ,伯克利的助理教授,張璇兒便是在他的實驗室里做研究。

吳教授出生在馬來西亞,8歲移民澳大利亞。2006年史丹佛大學博士畢業,還獲得了當年ACM的博士論文獎。

他的主要研究方向是數字光場攝影技術,還創辦了光場相機公司Lytro,把這項技術引入消費級電子產品。

教你一招,讓普通手機變身望遠鏡!

四作是Vladlen Koltun,來自英特爾的資深科研主管,是智能系統實驗室(Intelligent Systems Lab)的負責人。張璇兒和陳啟峰,都曾經在他的實驗室里工作過。

One More Thing

要是你既買不起自帶強大變焦功能的手機,又不會訓練深度學習模型,別擔心,還可以直接上望遠鏡。

我們貼心地替你找到了這個:

教你一招,讓普通手機變身望遠鏡!

咦,你怎麼用了品如的望遠鏡?

果殼

ID:Guokr42

整天不知道在科普些什麼玩意兒的果殼

我覺得你應該關注一下

教你一招,讓普通手機變身望遠鏡!

為什麼這樣的二維碼也能掃?

掃碼發送【二維碼】告訴你原理~

喜歡就點個「在看」唄~↘