新浪科技訊 北京時間8月2日消息，今天，數碼相機捕捉的數據往往只是生成最終照片的原始數據。在我們將照片傳到社交網絡之前，即使只是普通的手機攝影師，也會花1分鐘或者2分鐘調節(jié)色彩和對比度，用圖片處理軟件處理，現在市場上有很多這樣的軟件。

　　在本周舉辦的Siggraph會議上，麻省理工學院（MIT）計算機科學與AI實驗室和谷歌的研究人員展示了一套新系統(tǒng)，它可以自動按專業(yè)攝像師的處理方式潤飾圖片。系統(tǒng)相當節(jié)能，可以在手機上運行，處理速度很快，可以實時顯示潤飾的圖片，這樣一來攝影師可以一邊拍攝一邊查看最終圖像。

　　MIT與谷歌合作

　　不只如此，這套系統(tǒng)還可以讓現有的圖像處理算法加速運行。谷歌有一套算法可以生成HDR圖像，在標準數字圖片中有些色彩細節(jié)會丟失，谷歌算法卻可以捕捉到細節(jié)，研究人員在測試中發(fā)現，新系統(tǒng)生成的圖像與谷歌算法生成的圖像很難區(qū)分，但所用的時間只有十分之一，速度足夠快，完全可以實時顯示。

　　MIT與谷歌開發(fā)的系統(tǒng)是一套機器學習系統(tǒng)，也就是說它可以通過分析訓練數據不斷學習，提高完成任務的技能。在MIT系統(tǒng)中，每一次學習新任務都要用幾千對圖片進行訓練，包括原始圖片和潤飾圖片。

　　系統(tǒng)是根據MIT研究人員之前從事的項目開發(fā)的，在之前的項目中，研究人員用手機將低分辨率圖片發(fā)送到網絡服務器，服務器發(fā)回“轉化方案”，用它就可以在手機上對高清版本的圖片進行潤飾，這樣就可以降低帶寬要求。

　　MIT電子工程、計算機科學研究生邁克爾·加哈比（Micha?l Gharbi）說：“谷歌聽到了我們在做這樣的研究，他們自己也跟著研究，我們見了面，將兩套方案整合在一起�？偟臉嬒胧沁@樣的：要做我們之前所做的所有事，但是必須在云端處理一切，不斷學習。學習的第一目標就是加快速度�！�

　　兩種關鍵技術

　　在新系統(tǒng)中，大量的圖片處理任務是用低分辨率圖片完成的，這樣就可以大大縮短時間，降低能耗。采用新方法帶來許多困難，因為機器學習系統(tǒng)輸出的結果粗糙很多，新技術必須從粗糙結果推斷出高清圖像單個像素的顏色數值。

　　以前，研究人員嘗試讓機器學習系統(tǒng)學會一門技巧：增強低分辨率圖片，系統(tǒng)會猜測遺漏像素的數值，然后提升分辨率。在訓練時，研究人員向系統(tǒng)輸入低分辨率圖片，最終輸出的卻是高分辨率圖片。方法看起來很好，但在實際應用中效果不好，為什么？因為低分辨率圖片丟掉太多的數據。

　　加哈比與同事用兩種技術解決此問題。首先，機器學習系統(tǒng)輸出的結果不是圖片，而是一組簡單的公式，它可以對圖片的像素色彩進行修改。在訓練時，系統(tǒng)的性能如何由輸出公式的表現來決定。

　　如何將公式應用于高分辨率圖片的單個像素？那就要靠第二項關鍵技術。研究系統(tǒng)輸出的是3D網絡，16x16x8。網絡16x16的一面對應原圖像的像素位置，上面會堆疊共8層，它們對應不同的像素強度。每個網格單元都會有一個公式，它決定如何對源圖像的色彩數值進行修改。

　　在網絡16x16的一面有許多單元，每一個單元代表高清圖片的幾千個像素。假設每一組公式對應單元中央的一個位置，那么方塊內每一個高清像素都是由四組公式決定的。

　　簡單來說，該像素的色彩數值如何修改由方塊四角的公式組合之后決定，它會根據距離判斷。網絡的第三維也這是樣判斷的，也就是對應像素強度的那一面。

　　速度大幅提升

　　研究人員用Durand和Adobe的數據集訓練系統(tǒng)。數據包括5000張圖片，每一張都由5位攝像師潤飾過。然后研究人員用幾千張配對圖片訓練系統(tǒng)，這些圖片是用流行圖片處理算法生成的，比如當中有一套算法專門生成HDR圖片。軟件處理圖片時占用的內存空間與一張數碼照片差不多，因此我們可以將軟件裝進手機，用手機將圖片處理成各種風格。

　　最后，研究人員將還將自己的系統(tǒng)與其它機器學習系統(tǒng)對比，其它機器學習系統(tǒng)處理高分辨率圖片，不是低分辨率。在處理過程中，全分辨率圖片需要12GB的內存執(zhí)行操作，而研究人員的新系統(tǒng)只要100MB左右，相當于1/100。全分辨率HDR系統(tǒng)的處理時間相當于原始算法的10倍，相當于MIT系統(tǒng)的100倍。（德克）