2022年2月8日星期二

为什么 Android 们的相机不愿用大底了?| 硬哲学

底大一级压死人,这个老法师口中的「金科玉律」,在智能手机上似乎已经失效。

▲ 不同「相机」所搭载不同尺寸的传感器尺寸. 图片来自:henrys.com

智能手机摄像头的「底」虽然逐步变大,但仍然没能迈过一英寸的门槛,也就是说在物理参数上手机仍然不及入门定位的黑卡。

▲ 索尼 RX100 黑卡 vs 小米 11 Ultra. 图片来自:dpreview

即使是在发布会上与索尼黑卡过招,主打「影像」的小米 11 Ultra,主摄三星 GN2 1/1.12 英寸的物理尺寸也与 1 英寸还有些许差距。

而小米 12 上那枚与索尼定制的 IMX707 尺寸也不过是 1/1.28 英寸,同期的 iQOO 9 Pro 主摄 GN5 尺寸为 1/1.57 英寸,真我 GT2 Pro 主摄 IMX766 尺寸为 1/1.56 英寸。

▲ 采用 IMX766 主摄的真我 GT2 Pro.

这么一看,以 CMOS 物理尺寸为标准,第一波骁龙 8 Gen1 的新机里,小米 12、12 Pro 依旧是那个最喜欢堆料的产品。CMOS 尺寸的大小也不再是衡量手机影像系统的主要标准。

这么说来,似乎「超大底」主摄像头的追求已经成为了过去式。

底大一级压死人指的是什么?

或者说,大底到底能带来什么优势?

简单来说, 更大的传感器会获得更纯净的照片,更好的暗光性能,以及更好的「虚化」。

小尺寸传感器想要获得相同的结果,需要以更低的 ISO、更长的快门时间以及更大的光圈。

▲「大」有大的烦恼,「小」有小的优势. 图片来自:dpreview

以成像的结果来说,大尺寸传感器有着碾压级别的优势,但也付出了代价。

为了容纳更大的传感器尺寸,相机和镜头的体积也成倍增长。为了让光线均匀的铺满在传感器上,复杂的光学设计会让镜头的重量成倍的提升。并且随之提升的还有成本,也就是金钱。

▲ 全画幅系统与 M43 系统体积的直观对比. 图片来自:wildernessshots

而小尺寸传感器就恰好相反,体积、重量、成本也随之降低。

不严谨的说,传感器尺寸与成像质量成正比,也与体积重量和价格成正比。

他们之间总会有个「甜点」位,于相机系统中,全画幅是,而在智能手机上,各个厂商努力达到的一英寸或许会是。

直到「计算摄影」的出现。

「计算摄影」的破局

无论是相机还是智能手机,成像原理无非就是镜头控制光线进入 CMOS,CMOS 进行光电转化,再由图像传感器还原为图像。

以上述过程来看,手机没有任何赢过相机的可能性,除非「剑走偏锋」。

相对于相机强工具属性,智能手机其实更偏向「结果」,普罗大众用手机更多的是随手记录,很少去进行后期润色,注重的是「一锤子买卖」。

▲ iPhone 13 Pro vs Pixel 6 Pro. 图片来自:cnet

随着手机 SoC 中 AI 算力的崛起,手机拍照从简单的 HDR、夜景多帧合成,逐步发展到现在实时 HDR、大光圈模拟,以及复杂的「夜景」模式。

通过 AI 算力的大幅提升,以及不同图像算法的精细化匹配,智能手机成像的过程也不再传统,而是加入了许多「计算」的成分。

以往用相机拍摄时,往往需要提前对拍摄项目进行计划和取舍,也催生了阳光十六法则等一些古典经验。

而智能手机生来就需是「万金油」,任何场景、主体、光线都需要应对自如。传统的采集、处理和还原的记录过程并不适合手机的影像系统,经过一遍 AI 的计算调教再输出,更符合手机用户们想要的结果。

随着计算摄影渐渐成为主流,摄像头的硬件规格也不再是唯一影像力的衡量标准。影像力逐步成为一种综合实力的展现,既包括更优秀的硬件,也要有更好的 AI 算法。

SoC 中更强大的 ISP 和 AI 性能也与 CMOS、镜头一同影响着手机的影像力。

自研芯片的崛起

无论是苹果的 A 系芯片,还是高通的 8 系芯片,近来的更新迭代中,相对于 CPU、GPU 性能的跬步提升,无论是核心数还是晶体管数,神经计算引擎却有着几倍甚至十几倍的提升。

▲ 每秒可执行运算 15.8 万亿次 AI 计算的 A15. 图片来自:Apple

而这些提升被运用在产品的各方各面,基于机器深度学习的计算摄影便是其中一大项。

纵使 SoC 上的 AI 算力已经大幅提升,但它依然是个通用方案,不同平台间的图像个性化呈现以及计算摄影效果的表现差异不大。

对于现在不断追求差异化的手机厂商来说,这远远不够,于是手机中为了影像差异化而设置的「额外」芯片已经十分常见。

▲ 内置 vivo V1 自研 ISP 的 vivo X70 Pro+.

如小米 MIX FOLD 上的澎湃 C1、vivo X70 系列中的 V1,以及即将在 Find X5 系列上出现的马里亚纳 X 芯片,都是为了在影像上有着自己的特色。

记得在体验 vivo X70 Pro+ 时,独特的影调以及极强的暗光性能给我留下了深刻的印象。并且在对图像进行逐帧「计算」时,额外芯片的能效比要更胜一些,还有省电的功效。

▲ 寄予厚望的 OPPO 自研 NPU 马里亚纳 X. 图片来自:OPPO

OPPO 的马里亚纳 X 芯片解决的也是对图像更强的算力和高能效比。

随着芯片算力的提升,算法的完善,以手机影像最终的效果来说,计算摄影、机器深度学习、AI 算法会为普通用户带来较为明显的变化。

▲ 内置一英寸图像传感器的索尼 Xperia Pro-I. 图片来自:Petapixel

而从 1/2.8 英寸提升到 1/1.12 英寸,甚至提升到 1 英寸,在手机拍摄的很多场景中,不仔细对比,很难察觉到变化。

倘若换个参照系的话,采用相同规格的镜头同一场景下,全画幅相机和 APS-C 画幅相机所得的照片对于普通人来说也很难一眼分辨出区别。

所谓的「摄影最重要就是后面那个头」大概也是如此的意思。

独立、自研的 ISP 芯片(或者图像 NPU),或者说计算摄影解决的就是「后面那个头」的问题。

在这个 AI 大行其道的当下,传统的硬件规格更接近一道菜的「原材料」,而计算摄影更像是会做五大菜系的厨师,会根据时令、心情进行烹饪。重要性不言而喻。

都想掌握核心科技

去年,搭载 M1 Pro、M1 Max 自研芯片的新 MacBook Pro 正式亮相,Google Pixel 6 Pro 也搭载了「自研」的 Tensor 芯片,而 vivo V1、澎湃 P1、马里亚纳 X 也让 vivo、小米、OPPO 初涉造芯。

▲ Google Tensor.

「造芯」运动已经成为 2021 年内消费电子业的主旋律。

苹果的 M 系芯片以高能效比闻名,并且与硬件有着很好的契合,与其他产品构成了生态壁垒。而 Pixel 6 Pro 的 Tensor 也与 Android 12 有着一定程度上的关联,但还未构成壁垒。

▲ Google 所定制的 Tensor,结合 Android 12,让 Pixel 6 系列成为「最聪明的 Pixel 手机」.

再到国产厂商们的定制 ISP、NPU,芯片虽小,但足以为影像带来一定的优势,甚至也不排除最后形成品牌们的壁垒。

从摄像头出现在手机上开始,它的发展与传统影像厂商如出一辙,更大的底、更高的像素、更大的光圈一直是主旋律,为此不惜摄像头凸起,占去机内相当的空间。

▲ 搭载一英寸图像传感器的 Leitz Phone 1 . 图片来自:leica

但随着越来越接近上限,边际效应愈发明显,成像效果的提升也不再显著。

直到「计算摄影」以及自研 ISP 芯片的出现,彻底扭转了手机影像的发展方向,由算法、机器学习引导的计算摄影正成为主战场。

▲ 小米 11 Ultra、Leitz Phone 1、iPhone 12 Pro Max. 图片来自:XDA

有着更大体积、成本的大底传感器已经不再是手机厂商们的首选,反而更青睐于对传感器的「调教」,也就是基于成熟硬件的算法优化,和运用独立图像芯片(ISP、NPU)打造独特的影像壁垒上来。

可以预见的是,在物理光学规律没有被打破的情况下,未来几年在新机发布时,影像的重点会围绕 AI 计算、机器学习、独特影调、极速对焦等「计算」上来,传感器的尺寸、型号会越来越式微。

#欢迎关注爱范儿官方微信公众号:爱范儿(微信号:ifanr),更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博




from 爱范儿 https://ift.tt/z85TM9y
via IFTTT

没有评论:

发表评论