拍照2分鐘……之後還要P多久？

現代人的「社會性死亡」事件之一，一定少不了剛po了一張精心修過的照片到朋友圈，被人一眼看出來照片有假！

但拍照一分鐘，修圖十年功。對於很多人來說，每次有隆重事件值得一條朋友圈時，還會在當天的日程裡預留出一塊修圖的時間。如果自己前一天吃了辣第二天臉上開始冒痘，得小心翼翼地放大照片，把痘痘和痣區分開來一顆顆點掉；跟朋友合照完，還得輪流P圖，先後順序一旦亂了，就會不小心背上「心機」的罪名。

無差別祛瑕疵並不是我們想要的 丨giphy.com

自帶美顏功能的APP似乎也是用力過猛——美顏一開，磨皮就很嚴重，直接變成了「花瓶臉」，再經過推臉拉脖子等一系列操作，照片裡的那個人和原圖相比簡直就是經歷了一場「換頭術」。

你發到朋友圈的，是真的「你」，還是一個所有人都心知肚明卻不想點破的精緻外殼？我們又該如何定義「美」？

為啥一不小心就P得過了火？

美顏作為現代手機拍照的標配，讓很多人愛得深沉，但又愛得戰戰兢兢。其實，這樣的美可能只是手裡的修圖工具提前為你決定好的「罐頭產品」。

所謂磨皮實際上是面部高光加強之後的高斯模糊，用於提亮膚色、同時減少臉部圖像細節——這大概是最簡便地提高顏值的方式，類似於攝影中的補光燈和反光板。而瘦臉瘦身、放大眼睛的功能，來源於 Photoshop 裡的「液化」。減少面部細節、縮小臉的輪廓，並將主要製造視覺焦點的眼部予以突出。

高斯模糊的處理邏輯丨Gravit Designer Documentation

雖然現在很多APP有了所謂「面部重塑」這樣更精細化的五官修圖功能，但邏輯也不過是將人臉照片轉化為灰度圖片，分析出面部膚色點和環境，大概區分出面部以及五官，再結合液化來進行瘦臉和五官調整功能，但功能受制於圖片本身的清晰程度，很多時候就無法實現想要的精細度，本來想推個鼻梁，結果連眼睛也跟著在動，拉都拉不住。

修完圖之後，再點開濾鏡標籤。軟體早就提前準備好了數款風格濾鏡，大部分流行的濾鏡都體現為過曝、低對比度，以及陰影和高光色相的偏移。儘管濾鏡選擇很多，但環顧朋友圈，大家的自拍都呈現出有限的幾種風格，一眼就能看出這圖有P！

這些相對簡單的修圖方法非常流行，但由於功能、算法相對簡單，最終導出到相冊裡的就是千篇一律的同質化美顏。

理想的美顏應該是啥樣？

相信注意修圖趨同化現象的人已經越來越多，甚至「蛇精臉」「網紅臉」還一度成為了小群裡茶餘飯後經久不衰的話題。

作為「手機自拍美顏時代」開創者的OPPO也發現了這點，在最新推出的OPPO Reno5系列上，通過一系列技術創新加入了「AI煥採視頻美顏」功能，方便用戶在選擇「美」時擁有更強的主動權——既彰顯個性，又能達成更加自然的美感。這是如何實現的呢？在下面這個視頻裡，你就能很快找到答案。。

人眼看到的世界很複雜，但是手機攝像頭和圖像處理器看到的世界只是一堆數字矩陣，各種各樣的色彩也不過是一些RGB顏色通道罷了。因此，手機要想實現更加精確的美顏效果，一定不是依賴於複雜的顏色，而是通過大量的「錨點」數據，定位面部五官以及瑕疵的位置，再進行處理。

OPPO Reno5系列這一次的美顏處理思路也是如此——先通過高像素拍攝技術讓人臉能被手機「看清楚」，再來通過算法和技術實現多種美顏玩法。Reno5系列的「AI煥採視頻美顏」功能主要分為了AI識別定製預處理和8重100級細節化自定義美顏兩級。

底層AI識別定製能在拍攝時先行識別被拍攝者的人種、性別和年齡等信息，緊接著，這位手機裡隱形的「毛戈平」，會按照真實的上妝步驟對人像進行美化，進行人臉分離式白平衡、AI膚色檢測、AI分區磨皮、人臉三角模型重塑&光影重構、AI補妝這一系列操作，如果你還有更細緻的需求，可以針對磨皮、瘦臉、大眼、瘦鼻、下巴、小臉、補妝、立體共計8個項目，從0-100進行調節，多維度且精細化，想怎麼美就怎麼美。

這樣的美顏看起來就像是2020年末的一劑變美強心針，背後是如何實現的呢？OPPO有一套獨門絕技——FDF 全維人像視頻技術系統下的感知人像引擎。

正如上面所提到的，對於手機來說，處理圖片之前最重要的一步就是要看清照片中的人臉，這也是實現其他技術的基礎。為了看得更清楚，OPPO Reno5系列在拍下人臉的瞬間，就像視頻一開頭出現的星圖那樣，使用了296個關鍵點來標記面部，然後在深度神經網絡的AI算法中加入了關鍵點是否可見判斷、人臉角度判斷等輔助信息，將整張人臉上每一絲細節都收錄在案。

實現這個過程的關鍵就是深度神經網絡，尤其是「卷積神經網絡」（Convolutional Neural Network, CNN）。

先不要被這個「每個字都認識但連起來是什麼鬼」的詞嚇到，它的原理不算複雜——在AI眼裡，任何圖片都是像素構成的矩陣（左），卷積核（kernal）是另一個小矩陣（中），它們疊加在一起，對應位置的數值相乘再求和，得到「特徵映射」（右）。

卷積神經網絡丨Medium

當前的AI其實並不像《流浪地球》裡偷偷使壞的莫斯那樣聰明，它的「認知能力」只相當於0到4歲的兒童。當科學家們如果想要人工智慧識別一些基礎物體，比如人臉、汽車、動物，和椅子，那麼首先就要把這些物體的特徵「提取」出來，也就是下圖Layer2中那些大概的色塊，交給人工智慧去「記憶」。而人工智慧領域的科學家，就必須像耐心的父母教育小朋友那樣，不斷調整，優化這些最基礎的形狀符號，把它們變成機器能夠理解的「卷積核參數」。

要想讓AI識別視覺形象，必須首先教它一層一層「學會」特徵提取丨DI-ENS

當負責處理輪廓、形狀或紋理等特徵的各種卷積和分層排列組合在一起，就成了卷積神經網絡。為了實現更加清晰的人像效果，OPPO引入了AI算法，在深度神經網絡模型中設計了3個子模塊分別對人臉進行超分計算、降噪優化和銳度優化，實現了定製化的超清人像效果。在這基礎上，通過搭建一個OFL膚質優化算法，實現精準度更高的美顏。過程中還會檢測畫面中的面部、手部等皮膚區域，讓美顏將皮膚和非皮膚區域分開，「靶向美顏」不是吹的。

膚質優化圖片丨OPPO

除了上面這些對現有技術的升級，OPPO還推出了革新性的AI祛瑕疵功能。通過對大數據樣本使用分階採樣的方式，極大地提升了樣本容量，讓深度神經網絡模型可以接受更充分訓練，讓AI這個「小孩子」在去除瑕疵時，能一眼區分出天生特徵和後天瑕疵，讓美顏實現地更「隱秘」。再也不用為了區分痘痘和痣、黑眼圈和臥蠶，一點一點去摳圖了。

不是C位其實也可以從容應對丨giphy.com

哦對了，對於那些合照中常年不能擁有C位、臉還被擠得一塌糊塗的盆友，OPPO也考慮到了。拍攝時可以通過進行人臉和背景處理，保證人臉不畸變，智能修復圖片角落的畸變情況，讓角落也能和C位一樣光彩照人。

OPPO普通人臉畸變矯正 OFF

OPPO普通人臉畸變矯正 ON

通過對AI算法的全面升級，OPPO這一波美顏功能突破可以說是直擊愛美人士的靈魂。不過，OPPO覺得這還不夠。

更美的人當然要配更美的景

我們覺得需要修圖，別人的看法只佔極少一部分因素，更多時候還是自己覺得怎麼看這照片怎麼不滿意。

但是要知道，在社交和修圖的年代，我們自己同時擔任著觀眾、攝影師和模特，親身反映著、並且加強來自社交網絡的偏好、期望和價值選擇。而人眼+大腦是最先進的相機，並且，這臺相機的先進程度遠遠地超過了手機中的相機組件。很多時候我們覺得照片不好看，更多是因為由於感光、抖動等因素，設備不能將人眼看到的自己完全展現出來，中間一直存在的期待差異，就會讓我們對照片始終不滿意，這也就是為什麼當我們被專業相機拍照時，會感覺效果要好看很多。

相機一直在模仿人眼，卻從未超越人眼丨Rhys Kelly

因此，美顏不僅要做好把人臉的自然美展現出來，而且還應該通過其他輔助措施，讓人眼和大腦處理之後的內容被儘量體現在照片中，真正保持眼、畫一致。

基於這個思路，OPPO的美顏周邊還包括了畫質增強引擎：實現視頻超級防抖、視頻超級夜景等功能，為AI煥採視頻美顏助力，讓影像和人眼的差距儘可能縮小。

相信很多果殼er對去年OPPO的過山車挑戰仍記憶猶新，去年的超級防抖已經實現了全面5軸防抖算法，而在Reno5系列上，OPPO抓取了陀螺儀、加速度計等感應器的數據，專攻生活中那些無處不在的抖動細節。無論是日常拍個遊客照還是在天橋上來個專業恢弘的延時攝影，都可以避免「拉絲」，實現高清。

OPPO手持移動延時拍攝

夜景可以說是手機攝影的盲區，雖然當前已經有很多手機擁有了夜景功能，但不是亮得太假，就是拍得太慢。OPPO Reno5系列這一次還對夜景視頻和HDR算法進行融合，可以分階段識別畫面提亮需求，智能判斷出局部還是整體優化需求，大大提升夜景質感，還能解決逆光拍攝時人像和背景混成一坨的難題。

OPPO夜景實拍

實際上，我們對於美的判斷，大部分源於大眾文化所體現的價值。我們也並不是最近才暴露在修飾過的影像中，畢竟Photoshop 已經流行了很多年，在各類媒體上出現的人像，尤其是女性，總是呈現出經過修飾的姿態——大眼、苗條、皮膚光潔無瑕，而這些也似乎是美女標配。

而在大眾文化價值指導下的修圖，則把「PS」從工業級變成了消費級，配合社交媒體的出現，普遍程度更高，滲透能力更強。在更多人開始自定義美的過程中，我們可以看到個性化的元素更加突出——不僅是瘦腿瘦臉，還有那些對自己有著更高要求的修飾，而這個過程中，比任何人都要標準、或者都「不標準」的美，以及集體的美、無死角的美都已經變得理所應當。

OPPO Reno5系列這次做的，就是提供一個更有效的工具，讓每個人都能通過手中這部手機自信地展現一個不再千篇一律的自己。或許在未來的某一天，科技已經實現了所見即所得，拍出來的人像照片、視頻已經無需再修，而我們也已經真正接納、欣賞和喜歡那個不一樣的自己。

—— 果殼商業科技傳播部出品 ——