當今旗艦電視最新畫質技術，馬上就被聯發科搬到手機上了_風聞

蕭簫 發自 凹非寺

量子位 | 公眾號 QbitAI

現在居家看電影，大夥兒還是更願意用電視。

畢竟在同等條件下，電視的屏顯和畫質擺在那裏，手機再怎麼升級屏幕，沉浸感還是沒有電視好。

BUT，就在最新一期天璣旗艦技術溝通會上，聯發科卻突然宣佈，成功把電視上的**畫質“秘籍”**搬到手機上來了——

要知道在智能電視市場，聯發科智能電視芯片至今已助力累計超過20億台電視產品在全球各地上市，是這一領域的領導廠商，畫質增強技術更是早有積澱。

電視技術移至到手機上帶來了兩點好處，一方面，畫質品質更高了；另一方面，用到手機拍照甚至拍視頻上，可以節省算力進一步提升能效。

要知道，這可是各大頭部電視廠商都在用的畫質技術，有幾家才剛安排到新產品上。

此前手機雖然也get了不少影像處理技能，但和高端電視比起來還是要低調一些。

這究竟是怎麼做到的？

把電視畫質技術搬手機上來了

最新的電視技術全稱AI景深畫質增強技術（AI Depth PQ），目前這項技術已經被用在不少電視上。

既然如此，聯發科腦洞大開：為什麼不能將這類AI畫質優化相關技術直接用到手機拍照、視頻實時處理上，直接改善成片效果？

具體來説，通過AI來進行畫質增強的技術又可以被分為幾類技術，包括AI圖像語義分割技術、景深估計技術和智能優化技術等。

其中最重要也是整個技術的核心，就是AI圖像語義分割技術。

這項技術本身並不複雜，核心思路就是將場景中的不同物體按照“描邊”的方式分割成幾個區域，每個區域中的所有像素都可以用相同的標籤來標記：

**△**例如像素4標籤路人，像素3標籤藍天

但用在手機智能拍照上，又有至少三大考驗：

AI的理解能力，如何合理切分照片的前景和背景；AI的決策能力，如何選擇各區域的優化算法；受限於手機體積，AI算法的功耗不能太大……

例如，上圖中站在背後的路人、和毯子上正在拍照的兩個主角，雖然都屬於“人”這一標籤，但需要進行的處理卻截然不同，一個需要摳圖並智能消除、另一個需要智能美顏算法：

又例如，即使是被劃分為“背景”的部分，在進行處理時也有不同的算法需求，像照片中的“普通藍天”需要被優化甚至智能替換成“更討好眼球的藍天”，而草地色彩則需要被調整得更明亮一點。

再例如，想將這個技術擴大到視頻拍攝中，像電視處理電影那樣實時進行，AI圖像語義分割技術又不能佔用太多算力，不然直接掉幀甚至快速掉電……

**△**4K30幀視頻（約800多萬像素/幀）需要的算力是800萬照片的33倍

針對這幾點，聯發科對應地研發了幾種算法，來“配合”語義分割算法打出組合拳。

首先，結合場景識別優化語義分割算法，使得AI不僅能區分前景（如人像、動物等）和背景，還能進一步識別不同種類的背景，如建築、天空、綠地、植物和水池等。

然後，就是AI區域畫質增強技術（AI Region PQ）了。

將照片分割成前景和不同區域的背景後，AI會針對每個區域的物體特性，分析並選取最合適的優化算法，“拆分式”地優化照片不同區域的效果。

例如針對藍天的優化，基於色彩增強算法讓天色看起來更明亮；針對建築物的優化，則主要在對比度和鋭利度上，如結合超分辨率等算法，讓建築物的窗户等細節看起來更清晰……

最後，還能基於語義分割算法降低視頻的算力，實現精確對焦。

此前，針對視頻的實時追焦算法往往是進行逐幀追焦，通過計算幀間差異來調整清晰度，這樣不僅耗費算力，甚至可能降低視頻的流暢度。

相比之下，採用語義分割算法區分出前景後，只需要針對前景區域進行偵測和追焦就行，背景則不需要再耗費更多算力去進行優化，就省去了不少算力。

這樣一來，不僅照片和視頻都實現了實時算法優化，甚至相比原來還節省了一大波算力，例如4K30幀視頻和8K30幀視頻拍攝所需算力，都降低到了原來的1/4。

同時，聯發科也針對AI算法在硬件處理上進行了對應的優化，包括提升APU的能效等，進一步降低AI景深畫質增強技術在手機上消耗的算力。

事實上，這也並非聯發科第一次針對手機AI技術進行佈局了。

用AI突破計算攝影瓶頸

從2018年開始，聯發科開始將計算攝影作為手機芯片算法的研發重點。

當年10月份推出的Helio P70處理器，着重提升了多幀降噪 （MFNR）方面的性能，即通過一次性拍攝多張照片，隨後通過計算每個位置對應的多層像素均值進行輸出，提升照片的清晰度。

這其中涉及大量算法的優化，尤其是拍攝多張照片並進行處理的速度，當年Helio P70針對多幀降噪算法進行優化後提升了約20%的性能。

然而，在計算攝影研發過程中，團隊在計算機視覺方面遇到了一些算法優化極限。

適逢更多AI算法在手機端優化落地，計算攝影團隊的重心也逐漸轉到AI技術研發上。

一方面是芯片上有關AI算力的提升。

最早從2018年Helio P90強調提升AI算力速度、同時推出包含剪枝在內一系列優化算法的AI計算平台NeuroPilot v2.0，到2020年的天璣1000+的MiraVision畫質引擎和APU3.0；

再到2021年至今強調的“每瓦有效算力”指標，即APU長時間運行的功率大致在1W左右，聯發科在這方面強調的始終是“開源節流”，優化AI的能耗。

也就是説，儘可能在不增加功耗的情況下，提升手機上AI算法運行的效果。

另一方面則是不斷改進AI算法的性能。

而從整體研究範圍來看，聯發科這幾年也一直在提升對於AI的重視程度，包括進行貝葉斯優化、元學習相關的機器學習研究，相關論文發表在NeurIPS、ICLR等頂會上。

這其中就有與影像處理相關的研究，例如提出了一個名為CycleNet的框架，旨在提升AI識別拍攝場景中較深物體（即相對鏡頭的距離較遠）的能力。

具體來説，CycleNet借鑑了“神經元會和處理相同圖像中具有相同特徵物體的神經元產生聯繫”等一系列生物神經元處理信息的特點，來設計整體的框架邏輯，提升AI在處理較小較模糊的目標時整體的識別準確率。

至於我們多久會在手機上見到這樣的AI技術？還得看聯發科的速度了（doge）

還有哪些手機技能待點亮？

隨着AI落地的技術越來越多，手機應用似乎也在進一步逼近想象力的極限。

甚至有一種觀點認為，目前能提升手機性能和創造力的就只有AI技術了。

然而事實真是如此嗎？

即便這幾年手機功能需求逐漸趨於一致，人們的關注度也並不止放在手機AI技術上。

包括GPU、通信乃至導航等，同樣是大夥兒期待在手機上能有進一步提升的硬件設備“技能點”。

這種情況下，手機究竟還有哪些可待提升的功能空間？

如果仔細觀察這幾年芯片技術發展趨勢的話，會發現確實還有不少。

從聯發科在技術溝通會上透露的情況來看，芯片廠商針對手機遊戲性能提升的側重點仍然在移動光追上。

只不過相比於去年這一熱點概念的提出，今年移動光追已經逐漸成為手機上一個可以預見的功能性賣點，而且還會隨着技術的成熟普及到更多手機設備上。

同理還有移動GPU增效方案，也在與移動光追同步進行，目的是在增加圖像刷新率、分辨率和渲染複雜度的同時，保持芯片能效的優化，以實現軟硬件同步跟進的效果。

至於在通信技術方面，未來可預見的功能則包括5G新雙通、以及支持Wi-Fi 7、高保真藍牙音頻等。

其中，新雙通指在手機雙卡雙待的情況下，讓雙卡的信號徹底不互相影響的能力，即使用流量卡打遊戲時，主卡接電話也絲毫不受到影響。

隨着明年Wi-Fi 7標準的發佈，WiFi吞吐量、穩定性和時延還會有進一步的改善，到那時候手機上即時刷劇打遊戲的體驗也會再度提升。

至於高保真藍牙音頻這一方面，則主要是改進了音頻編解碼器和高帶寬的技術，讓音頻傳輸效率和音質進一步up。

最後則是高精度導航方面的技術了。

雖説隨着自動駕駛和V2X等技術發展火熱，如今車道級導航已經是車機標配。

但在不用車或是車內手機導航時，除了室內這種衞星信號無法觸達的場所，高樓大廈林立的區域也同樣需要用到手機高精度導航技術。

而隨着聯發科MPE（MEMS-sensor Positioning Engine）融合技術的發展，結合傳感器（陀螺儀、加速度計等）+全球衞星導航系統的導航技術也將應用到手機上，極大增加室內定位和弱信號區域的導航精度。

年底下一代天璣旗艦芯片又要發佈了，據網傳型號是天璣9200，你最期待什麼功能出現在上面？