新 iPhone 推出的人像光效功能让人惊叹，这都是机器学习的功劳

人像光效模式详解

　　运用

　　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够。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。

　　现在仅有 iPhone 8 Plus 和 iPhone X 支持人像光效，并且处于测验阶段。运用这一功能的方式有两种，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一样光效，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。

　　就现在官方样张来看，模拟舞台光的效果最好，具有伦勃朗光的艺术效果。 其他模式效果不显著，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，我首先想到的使用场景居然是……无需专门背景，轻松拍证件照。

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

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。真正运用的时候，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 iPhone 7 Plus 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搞定硬件问题，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「style transfer（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。（Prisma 原理论文 PDF 版）

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。但是许多修图使用好像也可以达到相似效果，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，这是苹果的有好处尝试。一方面，机器学习尚没有攻壳机动队里那么夸张，现在更适合小范围地运用；而长期来看，机器学习有着广阔的未来，发展也较为迅猛，硬件支持不佳、传统算法不合适的情况下，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。

　　已经过去的 2016 年是 VR/AR元年，今年则被媒体称为人工智能元年。这种称谓，几乎和把细菌尊为祖先一样，在逻辑上不能说是错误的，却有点可笑。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依旧相对缓慢。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。 

　　眼下苹果把机器学习的成果运用在摄影后期这样的「小地方」，可能是适时的一份答卷。作为消费者，我们不妨多给技术一些时间。