相机镜头特性在照片上形成的某些效果，如广角・鱼眼变形、周边减光（暗角）等，即使相机早已进入数位化时代，仍然是开发相机韧体的影像处理必须耗时耗力的区块。Panasonic 深度学习（Deep Learning）工程师若井信彦日前发表论文，使用新开发的演算法，仅需要一张照片抽取变数（参数）、就可以修正变形量，让鱼眼或广角歪曲变形的画面恢复水平。据称使用该手法，可以让过往手法需耗时 27 年深度学习（Deep learning）的学习时间缩减到 1 天以内。 若井信彦的论文发表于 2 年一度举办的国际顶尖电脑视觉研讨会「ECCV 2022（European Conference on Computer Vision）」，本年度已在 10 月间举办完毕。据日经新闻报导，该研讨会的论文入选率仅 28%，若井表示，「入选原因之一是使用大量的影像资料和实拍、以验证确实实现了全世界最佳精度」。若井信彦提出的校正手法有两个重点，使用最低限度的变数显现镜头歪斜变形量的相机模型，计算出误差函数的最佳权重（係数）手法。两者组合后，即使只是少数鱼眼镜头（拍出的照片）、也有助于认知是宽阔空间的影像。过去在影像处理的範畴，为了要获取「歪斜到什么程度？」的资讯，需要对相同的风景拍摄複数张照片。然而若景这次的技术，「只要使用智慧型手机、和相机本体就可以（自动）进行影像校正了」。 5 个场景的比较图。最左为原图，左二／右二为其他处理手法，最右为论文手法处理结果。（引自若井信彦论文）校正时，首先在上述 1. ，相机首先计算拍摄对象（模型）的各变数。只要可以抓到变数，就可以修正影像的歪斜及变形。近年来，国际研讨会的技术发表趋势多集中在使用单张照片、直接在相机上作修正的「深层单影像相机校正技术」。过往的课题都集中在拍摄对象的变数（数）量、与容不容易不做最佳化之间的 Trade Off（抵换）关係。变数抓取越多、就越容易显现歪斜、但会趋于複杂而难以最佳化；若变数过少，就无法显现歪斜。若井在这里利用数值模拟，成功使用最低限度的变数显现出镜头的歪斜量。因此就得以兼顾充分显现镜头的歪斜量的变数（数）量，以及更单纯、更易于最佳化。而在 2. ，的步骤，需要打造一个能导出推估值与正解值误差的计算式。如果能将各种变数的误差整体都缩到最小，就可以完成更高精度的校正。 由于推估的变数有左右倾斜、与上下倾斜、焦距与镜头歪斜等许多变异，需要全部加上权重后导出整体误差。但是如果所有的变数都加上相同标準的权重係数，精度也会跑掉，所以实质上过往该係数的调整、也都需要长时间的「试行错误（Try and error）」才能决定。然而，若井的手法让所有误差值都落在实际值当中，可以用数值模拟算出最佳的係数。也让相机的变数都限制在一定範围的值之内取用。结果而言，找出该值不再需要 Try and error，Deep learning 的时间也从过往的 27 年缩减到 1 天之内（日经编注：共 4 种变数、各自需要乘以 10 余种係数的排列组合，以 1 天学习 1 次计算，过往的手法需要计算 1 万次，也就是需要 27 年的时间）。若井将该手法用于影像校正后，达到 PSNR （画质的指标 Peak signal-to-noise ratio）「世界最高精度」的 29dB，该数值越大、影像的劣化就越少。根据若井表示，这比起过往的手法「高出了 7dB」。Panasonic HD 未来仍会继续使用实拍方式验证该手法，目标导入机种。根据报导，该公司科技本部小冢和纪指出，「虽然还没有明确决定未来要怎么做，但第一步会先在 Panasonic HD 的相关企业商业化。如果有其他公司也想要使用该技术的话，我们也会回应并商谈。」核稿编辑：Jocelyn加入 INSIDE 会员，独享 INSIDE 最精采每日趋势电子报，未来还有会员专属内容。 点击立刻成为会员！延伸阅读：Sony 发表 A7R5 搭载 AI 处理器 人体追蹤自动对焦更强大Adobe 与 Nikon、徕卡合作，在相机内建可追溯影像创作来源的标籤识别系统Canon 转型跨足智慧农业！可帮水田自动拍照、上云、数据化管理日经错了吗？撤退单眼反光镜相机开发是「出于臆测」，但 Nikon 怎么说？强强联手抢幼儿市场刚需！Canon 结盟 2 社推幼儿园自动拍照上传、家长选购服务原湛 SUPERB Tech 成立于 2020 年，由一群长期深耕并热爱游戏的伙伴们创立，以成为「游戏界的 MarTech 领导品牌」为目标，持续透过 AI 技术改善产业痛点。原湛行销科技长 Ivan 表示，游戏生命週期短是游戏业者一大挑战，过去做法大多是以大量的广告投放和行销活动来维持玩家忠诚度、获取新玩家，然而只要善用玩家的行为数据，游戏开发商也能拉长游戏的生命週期，游戏代理商也能做到更有效的玩家经营，延续每一笔行销投资的效益。推出游戏业专属的 Martech 平台，大幅降低业者的获客成本Ivan 指出，团队观察到市面上有非常多的 MarTech 与 AI 工具，但多以服务零售电商为主，而游戏玩家旅程除了上线频率、购买频率及金额和零售电商不同之外，玩家面对游戏关卡时的行为模式，相较于电商用户又更加複杂，因此，原湛推出专为游戏界打造的 CAINO.ai 顾客数据平台，可以一站式彙整多方来源的玩家会员数据，每日更新玩家活跃状态，并针对玩家的行为特徵进行分析预测，计算出玩家的流失机率、课金／储值机率及潜在价值等，不仅能随时掌握玩家的状态，也降低行销人员学习顾客管理工具的门槛与成本。 Ivan 表示：「玩家的每个动作，都能反映出他的潜在价值。」原湛团队持续升级 CAINO.ai 功能，运用多年来的游戏产业经验，将数据分析结果转化为一个个玩家标籤，像是 VIP 玩家、已流失玩家、小额玩家、免费玩家及课金玩家等类别，让游戏公司的决策者可以清楚追蹤营运数据、会员样貌及行销活动成效。原湛团队荣获「MarTech 未来之星大赛」最具潜力新创与产品服务，并受邀于 Meet Taipei 展示交流。Photo Credit：原湛善用 Google Cloud 平台生态系，AI 模型导入效率提升 50 %成立短短两年，原湛便成功开拓新市场，将数据洞察与 AI 预测的概念推向游戏业，持续优化、应证游戏市场的需求。Ivan 与我们分享，团队草创初期，需要的是快速走向市场，确立市场需求与商业模式，因此，团队一开始便评估採用 Google Cloud 平台，看準 Google Cloud 完善的 AI 服务与数据生态系，能有效地缩短软体开发到上线的时间。CAINO.ai 平台背后以 Google Cloud BigQuery 为强大的资料仓储，无需自行管理资料库背后的基础架构，也可在几秒内分析多达 TB 等级的资料量，使得原湛团队每月得以减少两位维运与开发人员，更专注于拓展数据应用。此外，CAINO.ai 技术团队也善用 Google Vertex AI平台，让资料科学家、数据分析师等不同领域的数据专家都能够共同运用 Vertex AI 来快速验证数据，导入模型的时长也从原先的 3 至 4 个月，减少为 1 至 2 个月。Ivan 也分享， Vertex AI 平台让技术人员可以更轻鬆管理 AI 模型，也支援解释性 AI 功能，能针对 AI 分析结果提供报表说明，不仅增加技术人员与产品部门间讨论的可能性，也加快产品的商业决策与营运效能。随着 CAINO.ai 用户快速增长，加上服务区域逐步向外拓展，原湛团队也搭配使用 Google Cloud 的关联资料库 Cloud Spanner。该服务能依据资料的负载需求和资料大小自动执行资料分割，并快速扩充至全球规模，使得各区域间的玩家交易纪录都能同步一致，也因此，CAINO.ai 能以「日」为单位即时更新玩家数据，确保平台用户都能追蹤到最新的玩家旅程阶段。 持续携手 CloudMile 和 Google Cloud，完善游戏产业生态圈云端平台服务多元且更新快速，从 2020 成立开始，原湛团队便携手 CloudMile 逐步强化云端技术架构，Ivan 表示：「感谢 CloudMile 从初期便提供即时的产品与技术应用分享，增加我们的视野与广度，大幅减少团队的产品规划时间。」未来，原湛也将持续携手 CloudMile 做 POC 验证，并共同协助 CAINO.ai 用户进行云端搬迁、资料清洗与彙整。后疫情时代，全球游戏市场不减反增，原湛期许能持续运用 CAINO.ai 助攻游戏产业经营玩家会员，接下来也将整合推出行销自动化工具（Marketing Automation），不仅针对玩家进行精準化行销，还能将每档行销活动的管道与成效报告进行整合，于单一平台落实玩家会员经营与精準行销投放，建立起属于台湾游戏业的 Martech 生态系。本文章内容由「CloudMile」提供，经关键评论网媒体集团广编企划编审。