售價僅為3299元（RMB）的iPhone SE2，雖然並不支持5G網絡，但是憑藉蘋果A13芯片+IOS系統成為了一款“真香機”。
不過，有些業內人士表示，iPhone SE2手機並沒有太多的亮點，它更像是一款換芯版的iPhone 8。
4月27日，iFixit 分享了iPhone SE2拆解報告，確認大部分iPhone SE2的零件可以與iPhone 8通用。其中，iPhone SE2的相機傳感器可以與iPhone 8互換。
手機具有便捷性這個顯著的特徵，這似乎和攝影功能是天造地設的一對。很顯然，整個電子影像行業比用户更早察覺到這一點。
iPhone SE2的攝像功能怎麼樣？
對於攝影愛好者來説，iPhone SE2只配備1200萬像素的鏡頭，並缺少廣角和微距鏡頭。iPhone SE2不支持超級夜景模式，前置攝像頭只有700萬像素。
iPhone SE2是第一部只使用單個2D圖像就不會產生人像效果的iPhone。
例如，當使用Halide這款應用進行測試時可以發現，第一方相機僅允許在人物主體上使用人像模式。
當發現這個情況的時候，有些用户會表示iPhone XR也如此。儘管iPhone XR具有單個攝像頭，但它仍然可以通過硬件獲得深度信息。
iPhone XR利用了傳感器的聚焦像素，用户可以將它們視為旨在幫助手機聚焦的微小“眼睛”。
iPhone XR利用從每隻“眼睛”中看到非常細微的差異來生成非常粗糙的深度圖。
iPhone SE2無法使用聚焦像素，因為iPhone SE2的傳感器覆蓋範圍不足，但是，iPhone SE2完全可以通過機器學習來產生具有深度的照片。
iPhone SE2的這個特點可以進行簡單的測試：拍攝照片而不是實物。
例如，以全屏方式加載這張照片，然後使用iPhone SE2進行拍攝：
從圖片上可以看出，使用iPhone XR的時候可以看到幾乎平坦的表面，似乎是使用了彩色圖像改進了該深度圖，可以猜測該圖中間的部分略高於前景中。
然而，iPhone SE2生成完全不同的深度圖。儘管這個深度圖是錯誤的，但是結果讓人難以置信！
iPhone SE2在現實世界中的表現如何？
iPhone SE2非常適合給人進行拍攝，但是當鏡頭裏沒有人出現時，這部手機有時會出錯。
例如，手機將背景中的樹木與狗狗的頭部混淆了。
以下圖為例，當用户使用iPhone 11 Pro和SE2拍攝了該照片，很明顯，擁有多個攝像頭可以生成更好的數據。
儘管iPhone 11捕捉了整個走廊的深度，但iPhone SE2卻錯過了退到背景中的地板。
這對真實世界的照片意味着什麼？以擁有不同層次的多肉植物為例。
iPhone 11 Pro在深度圖中顯示出明顯的邊緣；iPhone SE2獲得了事物的要點。
如果用户更喜歡iPhone SE2的外觀，則始終可以使用iPhone 11 Pro重新創建它。但是，用户無法在iPhone SE2上獲得iPhone 11 Pro的獨特分層。
分層是Apple的另一個機器學習過程中發揮作用的地方。
除了iPhone XR外，Apple還引入了“ Portrait Effects Matte” API，可以檢測照片中的人物並創建非常細膩的模糊成相。
只要前景中的物體清晰且聚焦，大多數用户都可以在背景模糊的情況下玩兒轉攝影。
沒有什麼可以阻止Apple讓用户對所有事物進行深度照片拍攝，但是Apple寧願設置“人像模式僅適合人”的情景，也不願讓深度效果不能達到預期而讓用户失望。
機器學習是否會達到不再需要多相機設備？
人類的大腦遠強於機器這毋庸置疑。與全新的iPad Pro不同，人類的眼睛沒有任何激光雷達可以為人們提供深度信息。相反，人類的大腦卻可以從許多源頭收集信息。
最好的深度來源於人類每隻眼睛的兩個圖像，人類大腦在圖像之間“連接點”的差異越大，物體與人眼的距離就越遠。這種雙目方式類似於雙攝像頭iPhone的深度功能。
猜測深度的另一種方法是通過運動。當人們走路時，遠處物體的視覺移動速度比附近的物體慢。
這類似於增強現實應用程序感測用户在世界中位置的方式。對於攝影師來説，這不是一個很好的解決方案，因為在拍攝照片之前要求某人在空中揮動手機幾秒鐘是很麻煩的。
那麼，iPhone如何從單個（單眼）靜止圖像中找出深度？
可以想象一下一個用一隻眼睛看世界的人，他過正常生活的時候會經歷許多麻煩。例如，開車要花費更多的精力。
正常視覺的人以其他線索來判斷距離，例如已知對象的相對大小。
【 圖片來源：信息時報 所有者：信息時報 】
在猜測深度時，單個圖像可以有多種解決方案。
歸根結底，神經網絡具有魔力，但它們受到與人類智能相同侷限性的約束。
在某些情況下，僅一張圖像是不夠的。機器學習模型可能會提出合理的深度圖，但這並不意味着它可以反映現實。
如果用户的目標是準確捕獲場景，以最大程度地編輯緯度，則在這裏需要雙攝像頭系統或其他傳感器如激光雷達。
機器學習會超越多相機手機嗎？顯然是不可以的。
正如拿攝像機與人眼相比，從物種起源開始算起，人類用億萬年的時間進化出來的肉眼，目前來看眼睛的能力機器是無可替代的。
因此，如果想要機器學習的速度趕超多相手機，那麼至少需要學習幾年甚至幾十年的時間。
雷鋒網(公眾號：雷鋒網)雷鋒網雷鋒網
參考鏈接：https://blog.halide.cam/iphone-se-the-one-eyed-king-96713d65a3b1
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。
資料來源：雷鋒網
作者/編輯：代潤澤
不過，有些業內人士表示，iPhone SE2手機並沒有太多的亮點，它更像是一款換芯版的iPhone 8。
4月27日，iFixit 分享了iPhone SE2拆解報告，確認大部分iPhone SE2的零件可以與iPhone 8通用。其中，iPhone SE2的相機傳感器可以與iPhone 8互換。
手機具有便捷性這個顯著的特徵，這似乎和攝影功能是天造地設的一對。很顯然，整個電子影像行業比用户更早察覺到這一點。
iPhone SE2的攝像功能怎麼樣？
對於攝影愛好者來説，iPhone SE2只配備1200萬像素的鏡頭，並缺少廣角和微距鏡頭。iPhone SE2不支持超級夜景模式，前置攝像頭只有700萬像素。
iPhone SE2是第一部只使用單個2D圖像就不會產生人像效果的iPhone。
例如，當使用Halide這款應用進行測試時可以發現，第一方相機僅允許在人物主體上使用人像模式。
當發現這個情況的時候，有些用户會表示iPhone XR也如此。儘管iPhone XR具有單個攝像頭，但它仍然可以通過硬件獲得深度信息。
iPhone XR利用了傳感器的聚焦像素，用户可以將它們視為旨在幫助手機聚焦的微小“眼睛”。
iPhone XR利用從每隻“眼睛”中看到非常細微的差異來生成非常粗糙的深度圖。
iPhone SE2無法使用聚焦像素，因為iPhone SE2的傳感器覆蓋範圍不足，但是，iPhone SE2完全可以通過機器學習來產生具有深度的照片。
iPhone SE2的這個特點可以進行簡單的測試：拍攝照片而不是實物。
例如，以全屏方式加載這張照片，然後使用iPhone SE2進行拍攝：
從圖片上可以看出，使用iPhone XR的時候可以看到幾乎平坦的表面，似乎是使用了彩色圖像改進了該深度圖，可以猜測該圖中間的部分略高於前景中。
然而，iPhone SE2生成完全不同的深度圖。儘管這個深度圖是錯誤的，但是結果讓人難以置信！
iPhone SE2在現實世界中的表現如何？
iPhone SE2非常適合給人進行拍攝，但是當鏡頭裏沒有人出現時，這部手機有時會出錯。
例如，手機將背景中的樹木與狗狗的頭部混淆了。
以下圖為例，當用户使用iPhone 11 Pro和SE2拍攝了該照片，很明顯，擁有多個攝像頭可以生成更好的數據。
儘管iPhone 11捕捉了整個走廊的深度，但iPhone SE2卻錯過了退到背景中的地板。
這對真實世界的照片意味着什麼？以擁有不同層次的多肉植物為例。
iPhone 11 Pro在深度圖中顯示出明顯的邊緣；iPhone SE2獲得了事物的要點。
如果用户更喜歡iPhone SE2的外觀，則始終可以使用iPhone 11 Pro重新創建它。但是，用户無法在iPhone SE2上獲得iPhone 11 Pro的獨特分層。
分層是Apple的另一個機器學習過程中發揮作用的地方。
除了iPhone XR外，Apple還引入了“ Portrait Effects Matte” API，可以檢測照片中的人物並創建非常細膩的模糊成相。
只要前景中的物體清晰且聚焦，大多數用户都可以在背景模糊的情況下玩兒轉攝影。
沒有什麼可以阻止Apple讓用户對所有事物進行深度照片拍攝，但是Apple寧願設置“人像模式僅適合人”的情景，也不願讓深度效果不能達到預期而讓用户失望。
機器學習是否會達到不再需要多相機設備？
人類的大腦遠強於機器這毋庸置疑。與全新的iPad Pro不同，人類的眼睛沒有任何激光雷達可以為人們提供深度信息。相反，人類的大腦卻可以從許多源頭收集信息。
最好的深度來源於人類每隻眼睛的兩個圖像，人類大腦在圖像之間“連接點”的差異越大，物體與人眼的距離就越遠。這種雙目方式類似於雙攝像頭iPhone的深度功能。
猜測深度的另一種方法是通過運動。當人們走路時，遠處物體的視覺移動速度比附近的物體慢。
這類似於增強現實應用程序感測用户在世界中位置的方式。對於攝影師來説，這不是一個很好的解決方案，因為在拍攝照片之前要求某人在空中揮動手機幾秒鐘是很麻煩的。
那麼，iPhone如何從單個（單眼）靜止圖像中找出深度？
可以想象一下一個用一隻眼睛看世界的人，他過正常生活的時候會經歷許多麻煩。例如，開車要花費更多的精力。
正常視覺的人以其他線索來判斷距離，例如已知對象的相對大小。
【 圖片來源：信息時報 所有者：信息時報 】
在猜測深度時，單個圖像可以有多種解決方案。
歸根結底，神經網絡具有魔力，但它們受到與人類智能相同侷限性的約束。
在某些情況下，僅一張圖像是不夠的。機器學習模型可能會提出合理的深度圖，但這並不意味着它可以反映現實。
如果用户的目標是準確捕獲場景，以最大程度地編輯緯度，則在這裏需要雙攝像頭系統或其他傳感器如激光雷達。
機器學習會超越多相機手機嗎？顯然是不可以的。
正如拿攝像機與人眼相比，從物種起源開始算起，人類用億萬年的時間進化出來的肉眼，目前來看眼睛的能力機器是無可替代的。
因此，如果想要機器學習的速度趕超多相手機，那麼至少需要學習幾年甚至幾十年的時間。
雷鋒網(公眾號：雷鋒網)雷鋒網雷鋒網
參考鏈接：https://blog.halide.cam/iphone-se-the-one-eyed-king-96713d65a3b1
雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。
資料來源：雷鋒網
作者/編輯：代潤澤
請按此登錄後留言。未成為會員? 立即註冊