圖片來源: 

(圖右)超級解析度比起(圖左)雙三次插值採樣法,可呈現更清晰的細節與線條

Adobe Camera Raw團隊開發的超級解析度(Super Resolution)功能,利用機器學習技術提高照片的解析度,可將1,000萬畫素的照片提高為4,000萬畫素,同時還能保有照片豐富的細節。超級解析度功能目前先於Camera Raw 13.2中推出,官方預告很快會輪到Lightroom和Lightroom Classic。

超級解析度功能的開發,源自於2年前Adobe所開發的細節增強(Enhanced Details)功能,這個功能使用機器學習技術,以極高的保真度對原始檔案(Raw File)進行內插計算,進而產生幾乎沒有假影的清晰細節,藉此提高照片的品質。

而超級解析度是Adobe Camera Raw團隊的第2個畫素增強功能,透過提高照片的解析度,進而增加照片的品質。在一般情況來說,放大照片的解析度,通常會使得細節變得模糊,但是超級解析度功能卻能保持這些細節的清晰度,原因是使用了數百萬張照片,來訓練機器學習模型,使得模型能夠智慧地放大照片,同時保有清楚的邊緣,並留下重要的細節。

Adobe提到,並非所有相機都擁有高解析度,大部分手機相機解析度落在1,200萬畫素,而許多相機則是在1,600萬到2,400萬畫素之間,在許多情況下,像是線上發布或是發送給友人,這些畫素的照片已經足夠,但是如果是要大圖輸出,更大的解析度可以留下更多細節,也可以使得邊緣線條更加平滑。

舊照片也能透過超級解析度功能重新被利用,15年前800萬畫素數位相機所拍攝的照片,現在可以在提高解析度之後,重新被應用在大圖輸出上。此外,從照片中剪裁出來的部分圖像,也能因為超級解析度功能,變得更加清晰,官方表示,超級解析度可說是進階版的數位變焦功能。

Adobe使用大量範例照片來訓練超級解析度機器學習模型,該模型的基礎架構為深度卷積神經網路,使用數百萬低解析度與高解析度圖像配對,來教模型如何放大低解析度照片,官方解釋,畫素的顏色取決於周圍的顏色,模型需要一些上下文,透過分析周圍的畫素來決定中間畫素的顏色。

超級解析度有3個特色,第1是Adobe使用了Bayer和X-Trans原始檔案訓練模型,因此當用戶在原始檔案應用超級解析度功能時,同時也會獲得細節增強功能加持。再來則是Adobe特別處理了一些具有挑戰性的範例,包括許多不同表面材質的圖片(下圖),超級解析度在處理這些區域時,便不會出現假影。最後,Adobe應用了CoreML和Windows ML平臺機器學習技術,因此用戶可以在電腦上,使用GPU來加速超級解析度計算。

超級解析度會使得照片的解析度線性加倍,也就是說,超級解析度產生的圖像,長度與寬度都會是原始照片的2倍,總畫素將會是4倍,目前圖片邊長限制為65,000畫素,總畫素限制為5億畫素。除了Bayer或X-Trans原始檔案之外,超級解析度也可以用在JPEG、PNG和TIFF等檔案格式,但是用在經高度壓縮的JPEG或HEIC檔案時,超級解析度會使部分假影更加明顯。

由於細節增強和超級解析度都需要非常密集的運算,官方建議,用戶可選用較快的GPU,並且使用支援CoreML和Windows ML機器學習技術的電腦,來執行超級解析度功能,否則運算時間可能需要數分鐘。另外,因為超級解析度會產生非常大的檔案,官方也建議用戶可以使用固態硬碟,以加速檔案讀取。

Adobe仍在改進超級解析度功能,突破目前的解析度限制,應用到更大的圖像上,並且試著將相同的技術,應用到銳利化和降噪等功能。


熱門新聞

Advertisement