Innholdsfortegnelse[Gjemme seg][Forestilling]
Databasert fotografering er et felt som har sett mange fremskritt de siste årene.
Potensialet for hva som kan gjøres med bilder har vokst eksponentielt fra bedre bildebehandlingsalgoritmer til mer sofistikert kameramaskinvare.
Men har vi nådd en ekstrem?
Er det noe annet som kan gjøres for å flytte grensene for hva som er mulig med bilder?
La oss se på noen av de siste utviklingene innen databasert fotografering og se hvor fremtiden kan ta oss.
Hva er datafotografering egentlig?
Før vi går inn på hva som er mulig, er det viktig å forstå databasert fotografering. For å si det enkelt, er databasert fotografering en type bildebehandling som tar et fotografi og får det til å se annerledes ut.
Mange omtaler dette som bildemanipulasjon, men det er litt misvisende. Sluttmålet er ikke å endre bildet, men heller å ta et bilde og gjøre noe med det.
Det er viktig å forstå at bildemanipulering ikke trenger å gjøres i sanntid. Mye datafotografering gjøres offline og brukes kun på det endelige bildet.
Det er et vidt begrep, og det brukes til å beskrive mange forskjellige ting.
Mange tror for eksempel at databasert fotografering handler om å lage HDR-bilder. Men det er ikke helt sant.
Beregningsfotografering kan brukes på en lang rekke forskjellige fotografiske situasjoner. Den brukes til ting som kreativ retusjering, superoppløselige bilder, forbedre fotografering i svakt lys, skape dybdeskarphet-effekter og mye mer.
Den brukes til å gjøre mye mer enn å lage flotte bilder for Instagram. NASA bruker det til å få frem definisjoner i bildene tatt i verdensrommet.
Beregningsfotograferingsteknikker
Det store fremstøtet
Fremveksten av digital fotografering på slutten av 90-tallet og begynnelsen av 2000-tallet førte til nye bildebehandlingsteknikker. Mange av disse teknikkene ble utviklet for å tillate bedre manipulering av bilder.
De siste årene har vi sett flere og flere av disse teknikkene brukt på problemer i den virkelige verden.
Det mest kjente eksemplet på dette er bruken av databasert fotografering på problemer som kamerarystelser og linseaberrasjoner. Mange teknikker kan brukes for å fjerne uønsket uskarphet fra et bilde, og databasert fotografering har gjort dette mulig for mange kameraer.
Deepfakes
Dette er et av de mest åpenbare eksemplene på hvor langt vi har kommet innen databasert fotografering. Begrepet deepfake refererer til praksisen med å bruke dyplæringsteknikker for å syntetisere falske bilder som ser ut som de er ekte.
Den første deepfakes ble utviklet på begynnelsen av 2000-tallet, men bruken av kunstig intelligens har ført til den siste bølgen av popularitet.
Dette har vært en stor bekymring for teknologiindustrien. En studie fra Washington Post fant at av 1,000 internettbrukere som ble spurt, hadde 40 prosent blitt utsatt for dype forfalskninger.
Dette inkluderte mange kjendiser, politikere og til og med folk fra deres familier. Rapporten fant også at deepfakes ble brukt til å spre falsk informasjon og ofte ble brukt til å gjøre narr av folk.
Flere forskjellige metoder kan lage dype forfalskninger, men den mest kjente teknikken kalles GAN (generative adversarial network). Denne typen dyp læring modellen brukes til å generere falske bilder som ser realistiske ut.
Disse typer bilder blir ofte referert til som «falske nyheter».
Selv om begrepet i seg selv er unøyaktig, er det ubestridelig at deepfakes brukes til å spre feilinformasjon. Bildene er overbevisende, og det er veldig lett å bli fanget av tanken om at de er ekte.
Dette er grunnen til at teknologi har blitt forbudt mange steder.
For eksempel er deepfakes forbudt i Australia på sosiale medieplattformer og på enkelte arbeidsplasser. Det britiske informasjonskommissærens kontor har også sagt det deepfakes er ulovlig å bruke i ethvert arbeid av "kommersiell eller profesjonell karakter."
Mens deepfakes for øyeblikket er ulovlige, er det viktig å merke seg at teknologien fortsatt er i sin spede begynnelse. Det faktum at det fortsatt er under utvikling betyr at det fortsatt er mye rom for det å vokse.
For eksempel fant Washington Post-studien at bare halvparten av menneskene ble utsatt for deepfakes var klar over at de var falske.
HDR
Fotografering med høyt dynamisk område (HDR) er en teknikk som gjør det mulig å ta bilder med et bredere dynamisk område enn det som er mulig med konvensjonell fotografering.
HDR-bilder tas vanligvis ved bruk av flere eksponeringer, og teknikken har eksistert lenge. Det var først nylig at teknologien var avansert nok til å gjøre det mulig å ta HDR-bilder i ett enkelt skudd.
En av de mest kjente bruksområdene for HDR-fotografering er astrofotografering.
Astronomer tar bilder med en enkelt eksponering. Bildene kombineres for å lage et sammensatt bilde med et mye bredere dynamisk område enn det som er mulig med en enkelt eksponering.
Fordeler med datafotografering:
Det er mange fordeler med å bruke databasert fotografering, og det er viktig å forstå dem hvis du skal bruke teknologien i fotograferingen. Her er noen av de største fordelene:
Bedre bildekvalitet
En av de største fordelene med databasert fotografering er å få bildene dine til å se bedre ut. Det finnes en rekke forskjellige teknikker som kan brukes for å forbedre bildekvaliteten til et bilde.
Disse inkluderer teknikker som bildeforbrenning, bildestabilisering og støyreduksjon.
Morpho fortsetter å forbedre databasert fotografering og #AI programvare for smarttelefonfotografer. #SnapdragonSummit pic.twitter.com/NhmwMfqT8a
- Qualcomm (@Qualcomm) Desember 2, 2020
Teknologien gjør det også mulig å forbedre bildekvaliteten på bilder som er tatt med eldre kameraer.
Dette er fordi mange av de gamle teknikkene som brukes for å få bildene til å se bedre ut, ikke er mulig å implementere i de nyere kameraene.
Raskere bildeopptak
En av de mest åpenbare fordelene med databasert fotografering er at den tar bilder raskere enn tradisjonell fotografering.
Beregningsfotografering gjør at mye av arbeidet som kreves for å ta et bilde kan gjøres på datamaskinen. Dette inkluderer ting som støyreduksjon, fargekorrigering og linsekorreksjon.
Økt oppløsning
En annen fordel med databasert fotografering er at det kan gjøre det mulig å ta bilder med høyere oppløsning enn det som er mulig med tradisjonell fotografering.
Teknologien er basert på mye av de samme prinsippene som HDR-fotografering, og den kan brukes til å lage bilder med et bredt dynamisk område.
Dette betyr at det er mulig å ta bilder med høyere oppløsning enn tradisjonell fotografering. Det er mulig å ta bilder som er minst 4 ganger så store som de ville vært hvis bildet ble tatt med et tradisjonelt kamera.
Hvilken type AI Computational Photography bruker?
AI-drevet datafotografering er en veldig ny teknologi, og bare noen få selskaper tilbyr for tiden tjenesten. Det er to hovedtyper av AI-drevet beregningsfotografering.
Superoppløsning (SR)
SuperResolution er en teknikk som gjør det mulig å lage høyoppløselige bilder som er mye skarpere enn originalbildet. Den bruker AI til å kombinere flere lavoppløselige bilder til ett enkelt høyoppløselig bilde.
HDR
HDR-bilder tas vanligvis ved bruk av flere eksponeringer, og teknikken har eksistert lenge. Det var først nylig at teknologien var avansert nok til å gjøre det mulig å ta HDR-bilder i ett enkelt skudd.
Retinex
Det er en beregningsbasert fotograferingsteknikk utviklet av James D. MacKenzie og brukes i flere profesjonelle kameraer. Teknikken er basert på en rekke av de samme prinsippene som HDR-fotografering, og den kan brukes til å lage bilder med et bredt dynamisk område.
Retinex brukes til å lage bilder med et bredt dynamisk område. Retinex er den mest kjente typen AI-beregningsfotografering, men det er ikke den eneste.
konklusjonen
Vi når et punkt hvor databasert fotografering blir mer og mer ekstrem. Med teknologi som portrettmodus og kinomodus på iPhone 13 pro, kan vi nå lage bilder og videoer som ser ut som om de er tatt med et avansert DSLR-kamera.
Ettersom denne teknologien fortsetter å forbedre seg, vil vi lage enda mer realistiske bilder.
Hvordan tror du databasert fotografering vil endre måten vi tar bilder på i fremtiden?
Legg igjen en kommentar