又例如，即使是被划分为“背景”的部分，在进行处理时也有不同的算法需求，像照片中的“普通蓝天”需要被优化甚至智能替换成“更讨好眼球的蓝天”，而草地色彩则需要被调整得更明亮一点。

从2018年开始，联发科开始将计算摄影作为手机芯片算法的研发重点。

也就是说，尽可能在不增加功耗的情况下，提升手机上AI算法运行的效果。

这究竟是怎么做到的？

即便这几年手机功能需求逐渐趋于一致，人们的关注度也并不止放在手机AI技术上。

首先，结合场景识别优化语义分割算法，使得AI不仅能区分前景（如人像、动物等）和背景，还能进一步识别不同种类的背景，如建筑、天空、绿地、植物和水池等。

同时，联发科也针对AI算法在硬件处理上进行了对应的优化，包括提升APU的能效等，进一步降低AI景深画质增强技术在手机上消耗的算力。

要知道，这可是各大头部电视厂商都在用的画质技术，有几家才刚安排到新产品上。

然后，就是AI区域画质增强技术（AI Region PQ）了。

既然如此，联发科脑洞大开：为什么不能将这类AI画质优化相关技术直接用到手机拍照、视频实时处理上，直接改善成片效果？

而从整体研究范围来看，联发科这几年也一直在提升对于AI的重视程度，包括进行贝叶斯优化、元学习相关的机器学习研究，相关论文发表在NeurIPS、ICLR等顶会上。

然而事实真是如此吗？

这其中涉及大量算法的优化，尤其是拍摄多张照片并进行处理的速度，当年Helio P70针对多帧降噪算法进行优化后提升了约20%的性能。

量子位 QbitAI · 头条号签约

再例如，想将这个技术扩大到视频拍摄中，像电视处理电影那样实时进行，AI图像语义分割技术又不能占用太多算力，不然直接掉帧甚至快速掉电……

相比之下，采用语义分割算法区分出前景后，只需要针对前景区域进行侦测和追焦就行，背景则不需要再耗费更多算力去进行优化，就省去了不少算力。

此前，针对视频的实时追焦算法往往是进行逐帧追焦，通过计算帧间差异来调整清晰度，这样不仅耗费算力，甚至可能降低视频的流畅度。

△4K30帧视频（约800多万像素/帧）需要的算力是800万照片的33倍

其中最重要也是整个技术的核心，就是AI图像语义分割技术。

电视技术移至到手机上带来了两点好处，一方面，画质品质更高了；另一方面，用到手机拍照甚至拍视频上，可以节省算力进一步提升能效。

最新的电视技术全称AI景深画质增强技术（AI Depth PQ），目前这项技术已经被用在不少电视上。

最后，还能基于语义分割算法降低视频的算力，实现精确对焦。

至于在通信技术方面，未来可预见的功能则包括5G新双通、以及支持Wi-Fi 7、高保真蓝牙音频等。

具体来说，CycleNet借鉴了“神经元会和处理相同图像中具有相同特征物体的神经元产生联系”等一系列生物神经元处理信息的特点，来设计整体的框架逻辑，提升AI在处理较小较模糊的目标时整体的识别准确率。

其中，新双通指在手机双卡双待的情况下，让双卡的信号彻底不互相影响的能力，即使用流量卡打游戏时，主卡接电话也丝毫不受到影响。

另一方面则是不断改进AI算法的性能。

年底下一代天玑旗舰芯片又要发布了，据网传型号是天玑9200，你最期待什么功能出现在上面？

此前手机虽然也get了不少影像处理技能，但和高端电视比起来还是要低调一些。

但用在手机智能拍照上，又有至少三大考验：

这样一来，不仅照片和视频都实现了实时算法优化，甚至相比原来还节省了一大波算力，例如4K30帧视频和8K30帧视频拍摄所需算力，都降低到了原来的1/4。

如果仔细观察这几年芯片技术发展趋势的话，会发现确实还有不少。

一方面是芯片上有关AI算力的提升。

最后则是高精度导航方面的技术了。

BUT，就在最新一期天玑旗舰技术沟通会上，联发科却突然宣布，成功把电视上的画质“秘籍”搬到手机上来了——

适逢更多AI算法在手机端优化落地，计算摄影团队的重心也逐渐转到AI技术研发上。