分享到微博 分享到人人 分享到LinkedIn 分享到Email
不会拍照的手残党看过来,这款智能相机应用是你掉的么?

在这个一言不合就发照片的年代,如何拍出一张好看的照片,一直是大家心中的老大难问题。如何抓拍到一个转瞬即逝的瞬间,更是难上加难。

而且请放心,这件事情对于专业的摄影师来说可能比你简单不了太多。

不信?

恩,可能这些照片唯一的亮点就是证明了我乒乓球手风一样的速度……

这个问题的难度应该怎么形容呢?参与Microsoft Pix研发的微软亚洲研究院研究员袁路表示:“为了把我们家萌猫的照片拍好看,我手机里面可能一半的内存都用在猫咪的照片上了。”

现在,请打开你的手机相册,里面绝对存有各种雷同的照片。就像这样:

讲真,小编我自己翻了一下我的相册,发现我的最高纪录是去动物园的时候拍三只熊拍了近20张看起来差不多的照片……

不知道你有没有打破这个记录呢……

这些照片占用大量宝贵内存我们就不说了,(16G的用户让我看到你们的双手)重点是这些照片删起来还浪费时间啊有木有!这些看起来都一样的照片到底哪一张我应该留下来啊摔!

欸,这张的光线不错,可是我居然闭眼睛了!

这张我的表情蛮好的,但是背后乱入的那个红背心吃瓜路人是怎么回事啊!

这张有点虚了,手抖……

这张光线是不是不太对,有点逆光吧…

 

…………这是半天过去了的分割线…………

 

好不容易清干净了照片,掏空了手机,却感觉身体也一样被掏空……

要是这些不完美的照片能把完美的地方整合成一张照片就好了。

当研究员开始发愿的时候,你以为他只是随口一说,但是当几个月之后,他们带着一个叫Microsoft Pix的拍照软件出现的时候,你的心情是复杂而又难以形容的。

“这个Microsoft Pix大概就融合了十几篇论文的研究成果吧。”当微软亚洲研究院主管研究员袁路开始揭秘这个应用背后技术的时候,小编的内心受到了很大的冲击。

(你要是想先看这二十几篇论文那就直接拖到文末好了,╭(╯^╰)╮)

“每次启动快门,这个相机应用可以连拍10张照片,包括你准备拍照之前和之后的照片,然后利用人工智能技术选取最好看的照片,有必要还会做一些多帧融合。最后在删除其他照片之前,还会对这套照片进行降噪处理,智能调亮肤色、美化皮肤、微调照片色彩和色调。”

听起来好像很厉害的样子怎么办怎么办。

“这些流程一秒钟就都搞定了。”

“……,果然是理工男开发的应用呢,只是拍照变好看一点?”小编我并没有死心。

“我们又顺手做了个Live Image功能,就是之前很流行的那种一部分静止,一部分保持运动循环的那种动图效果。”

这句话翻译一下就是:那种之前都是摄影师用三脚架和PS做的一些作品(cinemagraphs),现在人人都能用一个Microsoft Pix做出来了。

这种动态和静态结合的奇妙摄影方式是由著名的“造梦师”杰米·贝克和凯文·伯格所创造的。按艺术家的话来说“比起一幅静止的图画,我们想在图片里传达更多的故事,但又不想用冗长的视频。”

他们之前与微软合作,为Microsoft Surface Pro 4 拍摄了一组图片~

小编拿了几个不明真相的群众试了一下,效果如下。

处理前

抖动很严重啊有木有!

Microsoft Pix处理后 Live Image

恩,看起来还挺酷的,我们研究员最近都这么文艺了?

之前这项功能的雏形来源于这篇论文,Cliplets: Juxtaposing Still and Dynamic Imagery。论文首次亮相给出的示意图其实就还挺惊艳的:

“我喜欢拍猫,但我既不是专业摄影师,又没有那么多时间修图什么的……就和团队一起做了这个应用,希望有更多的人能够用得上。”

Microsoft Pix这款智能拍照软件,基于微软研究院的技术支持,在人脸的识别与美化上有强大的表现力(例如完全不会生成你闭眼睛的照片),这与此前推出的微软自拍的技术几乎同根同源。在人脸检测、识别等多方面的深耕研究,保证了生成的图像中人脸一定是最完美的。

恩恩,看来你们还是很懂女生的。

下载链接:

Microsoft Pix: https://itunes.apple.com/cn/app/id1127910488

扫描图中二维码下载~

微软自拍(Microsoft Selfie): https://itunes.apple.com/cn/app/wei-ruan-zi-pai/id1064676206?mt=8

扫描图中二维码下载

说好的论文:

  • Fast BurstImages Denoising. Ziwei Liu, Lu Yuan, Xiaoou Tang, Matt Uyttendaele, and JianSun
  • ACMTransactions on Graphics (SIGGRAPH Asia 2014)
  • Bundled CameraPaths for Video Stabilization. Shuaicheng Liu, Lu Yuan, Ping Tan, and Jian Sun
  • ACMTransactions on Graphics (SIGGRAPH 2013)
  • AutomaticExposure Correction of Consumer Photographs, Lu Yuan and Jian Sun.
  • EuropeanConference on Computer Vision (ECCV 2012).
  • Joint CascadeFace Detection and Alignment, Dong Chen, Shaoqing Ren, Yichen Wei, Xudong Cao,and Jian Sun.
  • EuropeanConference on Computer Vision (ECCV 2014).
  • Fastcomputation of seamless video loops. Jing Liao, Mark Finch, Hugues Hoppe.
  • ACM Trans.Graphics (SIGGRAPH Asia 2015).
  • Example-basedimage color and tone style enhancement. Baoyuan Wang, Yizhou Yu, Ying-Qing Xu.
  • ACMTransaction on Graphics(SIGGRAPH 2011).
  • AutomaticPhoto Adjustment Using Deep Neural Networks, Zhicheng Yan, Hao Zhang, BaoyuanWang, Sylvian Paris, Yizhou Yu
  • ACMTransaction on Graphics. (presented at SIGGRAPH 2016)
  • UnsupervisedExtraction of Video Highlights Via Robust Recurrent Auto-encoder. Huan Yang,Baoyuan Wang, Stephen Lin, David Wipf, Minyi Guo, Baining Guo.
  • ICCV’2015.
  • Automaticestimation and removal of noise from a single image, Ce Liu, Rick Szeliski,Sing Bing Kang, Larry Zitnick, and William Freeman.
  • IEEETransactions on Pattern Analysis and Machine Intelligence, 30(2):299-314, Feb.2008.
  • Automatedvideo looping with progressive dynamism. Zicheng Liao, Neel Joshi, HuguesHoppe.
  • ACM Trans.Graphics (SIGGRAPH 2013).
  • Real-timehyperlapse creation via optimal frame selection. Neel Joshi, Wolf Kienzle, MikeToelle, Matt Uyttendaele, and Michael F. Cohen. 2015.
  • ACMTransactions on Graphics (SIGGRAPH 2015).
  • Learning ablind measure of perceptual image quality. Huixuan Tang, Neel Joshi, and AshishKapoor.
  • In Proceedingsof the 2011 IEEE Conference on Computer Vision and Pattern Recognition (CVPR'11).