Когда фотограф использует ИИ и может об этом не знать
Если ваша первая реакция на применение технологий искусственного интеллекта в фотографии — «Черт возьми, нет!» — сделайте паузу на минуту. И вы поймете, что машинное обучение применяется к фотофункциям, которые вы, скорее всего, уже используете.
По мере появления инструментов, основанных на машинном обучении и искусственном интеллекте, совсем недавно — функции генеративной заливки Adobe в Photoshop, фотографы, кажется, колеблются между использованием технологии в качестве нового творческого инструмента и категорическим отказом от вторжения «ИИ» в стремление, которое ценит подлинность изображения и реалистичность.
Но хотя ИИ в последнее время привлек к себе все внимание, машинное обучение уже давно прочно закрепилось в области фотографии. Вот пять областей, в которых вы, вероятно, уже получаете выгоду от машинного обучения, даже если не знаете об этом.
Автофокус камеры
Ваша камера обычно исследует сцену. В зависимости от режима автофокусировки, процессор камеры оценивает одну или несколько точек фокусировки, или полагается на вашу помощь в определении области фокусировки. Однако система автофокуса ничего не знает о сцене. Все чаще на основе моделей машинного обучения, процессор также пытается интерпретировать сцену перед камерой и идентифицировать объекты (например, лица людей или объекты).
Мы уже видели это на камерах с функцией распознавания лиц и глаз для фокусировки на людях. Даже когда цель фокусировки расположена в другом месте кадра, если камера распознает лицо — и, соответственно, глаза — точка фокусировки фиксируется там. Поскольку алгоритмы машинного обучения улучшились, а процессоры стали быстрее оценивать изображения, передаваемые с датчика, новые камеры теперь могут идентифицировать другие конкретные объекты, такие как птицы, животные, автомобили, самолеты и даже дроны. Некоторые камеры могут распознавать конкретных людей, выделяя их из множества людей в кадре, и фокусироваться на них.
Каждая сделанная фотография со смартфона
Камеры смартфонов имеют крошечные датчики и крошечные линзы. Во многих современных моделях есть две, три или более отдельных камер, работающих в тандеме, чтобы дать вам примерно такой же диапазон фокусных расстояний, как у недорогого китового объектива. Но качество изображения со смартфона иногда конкурирует с фотографиями, сделанными камерами с большими сенсорами и хорошей оптикой. Как? Использование машинного обучения.
Еще до того, как вы нажмете кнопку спуска затвора на экране телефона, система камеры оценивает сцену и делает выбор в зависимости от того, что она обнаруживает, например, делаете ли вы портрет или снимаете пейзаж. Как только вы коснетесь, камера сделает несколько снимков с разной экспозицией и настройками ISO в течение нескольких миллисекунд. Затем он смешивает их вместе, внося коррективы на основе того, что он идентифицировал в сцене, и даже может увеличивать насыщенность синего и контрастность неба, добавлять текстуру волосам или одежде человека и т.д. Он уравновешивает тон и цвет, и записывает готовое изображение в память.
Иногда вся эта обработка очевидна, как в случае с лицами людей, которые выглядят так, как будто было применено сглаживание кожи, или ночные сцены, которые выглядят как поздний вечер. Но в большинстве случаев результат удивительно близок к тому, что вы видели своими глазами. Можно отделить обработку от исходного изображения, вызвав режимы съемки Raw или обратившись к сторонним приложениям. Однако значение по умолчанию в значительной степени определяется шаблонами ИИ, которые были получены из анализа миллиона похожих изображений, чтобы определить, какие параметры следует настроить и как «должны» выглядеть люди и объекты.
Распознавание людей в программном обеспечении
До того, как мы воспользовались преимуществами распознавания лиц в системах автофокусировки камеры, наше программное обеспечение для редактирования помогало нам находить друзей в наших фотобиблиотеках. Выделение лиц и людей на изображениях — давно решенная проблема, которая естественным образом переросла в идентификацию конкретных людей. Теперь мы не задумываемся в Google Фото, Lightroom, Apple Photos или множестве других, чтобы иметь возможность вызывать каждую фотографию, на которой есть родитель или друг.
Эта технология не ограничивается фотографией. некоторые видеоредакторы могут находить людей в видеоматериалах, упрощая, например, поиск всех клипов, содержащих определенного актера или, например, невесту на свадьбе.
Это распознавание людей также включает функции на основе машинного обучения. Опять же, поскольку программное обеспечение знает, как выглядит «человек», оно может предположить, что за человек в кадре и сделать более точный выбор.
Скромная кнопка Auto
В какой-то момент нажатие кнопки «Авто» в программном обеспечении для редактирования было похоже на размещение ставки: результатом мог быть джек-пот или полный провал. Сейчас многие средства автоматического редактирования основаны на моделях машинного обучения. Например, в Lightroom и Lightroom Classic кнопка «Авто» на панелях «Редактировать» или «Основные» отправляет запрос Adobe Sensei (технология облачной обработки компании) и выбирает параметры редактирования, соответствующие похожим изображениям, в своей базе данных. Ваша фотография представляет собой недоэкспонированный широкоугольный вид каньона под облачным небом? Редактор имеет несколько вариантов этого и может определить, какая комбинация экспозиции, четкости и насыщенности улучшит ваше изображение.
Неотредактированный снимок можно редактировать
При нажатии кнопки «Авто» на панели «Основные» применяются настройки света и цвета на основе миллионов похожих фотографий, загруженных в модели машинного обучения, которые использует Adobe Sensei
Например, Pixelmator включают кнопки машинного обучения для его применения ко многим блокам управления, включая баланс белого и оттенок и насыщенность, чтобы позволить программному обеспечению сначала понять, как, по его мнению, должна выглядеть отредактированная фотография.А Luminar Neo построен на основе технологии машинного обучения, поэтому ИИ касается всего, включая волшебный ползунок Accent AI.
Что хорошего в этих инструментах, так это то, что большинство из них сделают работу за вас, но затем вы можете настроить отдельные элементы управления, чтобы получить желаемый внешний вид изображения.
Поиск во многих приложениях
Другое менее известное применение технологий машинного обучения в программном обеспечении для обработки фотографий — это распознавание объектов и сцен для поиска фотографий и обхода необходимости применять ключевые слова. Хотя пометка фотографий в вашей библиотеке — это эффективный способ упорядочить их и иметь возможность быстро найти их позже, многие люди, включая опытных фотографов, не делают этого.
Приложения уже довольно много знают о наших фотографиях благодаря сохраненным с ними метаданным, включая временные метки и данные о местоположении. Но сами изображения по-прежнему представляют собой массу цветных пикселей. Сканируя фотографии в фоновом режиме или в облаке, приложения могут идентифицировать объекты, которые они распознают: небо, горы, деревья, автомобили, зимние пейзажи, пляжи, городские здания и так далее.
Когда вам нужно что-то найти, например фотографии фермерских домов, которые вы сделали, введите «фермерский дом» в поле поиска приложения, чтобы получить изображения, которые включают (или напоминают) сельские постройки. Результаты не так точны, как если бы вы пометили их ключевым словом «фермерский дом», но это экономит много времени, сужая область поиска.
Технологии искусственного интеллекта — это не только синтетические образы с семипалыми кошмарными людьми. Даже если вы решите никогда не создавать изображение, сгенерированное ИИ, когда вы возьмете новую камеру или смартфон, или загрузите свое фото в большинство приложений для редактирования, вы получите преимущества от функций, обученных на моделях машинного обучения.
Если они работают так, как задумано, ваше внимание будет сосредоточено на создании образа, а не на технологии.
А ваше мнение? Имеет ли право на жизнь ИИ в фотографии как искусстве? Напишите свое мнение в комментариях!