सत्य ते तंत्रज्ञान आहे तुम्हाला नेहमी विकासकांच्या चातुर्याची गरज असते सर्वात जटिल समस्या सोडवण्यासाठी. पिक्सेलचा पोर्ट्रेट मोड ऑप्टिमाइझ करण्याचा तो उपाय Google कडून 5 कॅमेऱ्यांसह विशेष केससह आला आहे.
आता तुम्ही का विचाराल एकाच केसमध्ये 5 कॅमेरे आवश्यक आहेत समस्येवर उपाय शोधण्यासाठी केवळ चित्रित केलेल्या व्यक्तीचा चेहरा घ्या आणि बाकीचे दृश्य लक्षाबाहेर सोडा. Google आणि त्याचा ब्लॉग आम्हाला स्पष्टीकरणांची मालिका देण्यासाठी हेच आहे.
Pixel 3 चा प्रभावी पोर्ट्रेट मोड
Pixel 2 मध्ये मोठ्या G ने मोबाईल डिव्हाइसवरून फोटोग्राफीच्या क्षेत्रात गुणात्मक झेप घेतली. सरळ तो कसा सक्षम होता हे आम्ही आश्चर्यचकित झालोसॉफ्टवेअरवरून, एखाद्या दृश्याचे विश्लेषण करण्यात सक्षम होण्यासाठी जेणेकरुन चित्रित केलेल्या व्यक्तीचा चेहरा वगळता सर्व काही अस्पष्टपणे अस्पष्ट होईल.
Pixel 3 साठी देखील ते तंत्रज्ञान सुधारण्यासाठी स्वतःच्या मार्गाने काम केले आहे आणि Pixel 2 मध्ये आणलेल्या तुलनेत गुणवत्तेत एक छोटीशी झेप. मजेदार गोष्ट आणि त्याच वेळी उत्सुकता अशी आहे की Pixel 3 साठी त्याने 5 Pixel फोन्सच्या फ्रँकेस्टीन केसचा वापर केला.
तो घेऊ शकेल म्हणून त्याने त्या होल्स्टरचा वापर केला एकाच वेळी एकाच दृश्याचे 5 शॉट्स आणि अशा प्रकारे पोर्ट्रेट मोड सुधारण्यास सक्षम व्हा (नमुद केल्याप्रमाणे उत्कृष्ट परिणामांसह या पोस्टमध्ये) de su excelente Pixel 3; del que ya hemos hablado en numerosas ocasiones de su apasionante Night Sight o ते सुपर झूम जे आमच्याकडे Pixel 2 मध्ये असू शकते).
Google ने Pixel 3 चा पोर्ट्रेट मोड कसा सुधारला आहे
Pixel 2 PDAF (फेज डिटेक्शन ऑटोफोकस) तंत्रज्ञानावर खूप अवलंबून आहे फील्डच्या खोलीतून मूलभूत माहिती गोळा करा, दोन PDAF छिद्रांद्वारे तो लक्ष केंद्रित करत असे. या प्रणालीचा एकमेव अपंग म्हणजे ती पूर्णपणे परिपूर्ण नव्हती. काही दृश्यांमध्ये, जेथे मोठ्या प्रमाणात क्षैतिज रेषा एकत्र असतात, खोली निश्चित करण्यासाठी या PDAF प्रतिमा तुलना हाताळणारी "सिस्टम" गोंधळात टाकली जाऊ शकते.
आमच्या समजुतीसाठी, PDAF छिद्रांच्या रेखीय कॉन्फिगरेशनसह संरेखित व्हिज्युअल घटकांचा परिणाम चुकीचा नकारात्मक होऊ शकतो. ते काय मिळाले फोटोसाठी महत्त्वाची सामग्री तो प्रत्यक्षात होता त्यापेक्षा कॅमेऱ्याच्या जवळ दिसत होता.
हे Pixel 3 मध्ये आहे जिथे Google ने अतिरिक्त डेटा जोडून उपाय शोधला आहे ने सिमेंटिक आणि ब्लर क्लूज म्हटले आहे. आपण फोटो पाहिल्यावर आपण सर्व काय करू शकतो आणि आपण वस्तूंचे सापेक्ष आकार आणि त्यांची अस्पष्टता जाणून घेऊ शकतो ते सांगू या.
वाटते तितके सोपे नाही
पण सर्वकाही परिपूर्ण होण्यासाठी, Google आवश्यक होते फ्रँकेस्टीन केस म्हणता येईल अशा तंत्रज्ञानासह प्रशिक्षण द्या त्या 5 पिक्सेलसह. त्याच्या मदतीने एकाच वेळी पाच वेगवेगळ्या कोनातून कॅप्चर घेणे शक्य झाले आहे.
यामुळे प्रतिमांचा स्रोत एकाच प्रकारच्या हार्डवेअर, त्या Pixel 3 मधून येतो याची खात्री झाली आहे आणि हे भिन्न दृष्टीकोन PDAF ऍपर्चर सारख्याच दिशेने एकत्रित होणाऱ्या रेषांवर पडण्याची समस्या दूर करण्याचा प्रयत्न करण्यासाठी अधिक डेटा देतात. . असं असलं तरी, सर्व समस्यांचे निराकरण झाले नाही, परंतु होय, आता खोली अधिक चांगल्या प्रकारे निर्धारित केली आहे अधिक अचूकतेसाठी.
सह ते केस आणि त्याचे 5 पिक्सेल 3, गुगल न्यूरल नेटवर्क प्रशिक्षित करण्यास सक्षम आहे जे PAF «पॅरॅलॅक्स» डेटा आणि त्याच्या पोर्ट्रेट मोडमध्ये सर्व स्तरांवर अधिक अचूकता आणण्यासाठी मागील शोध एकत्रित करण्यासाठी जबाबदार आहे. पोर्ट्रेट मोडच्या तंत्रज्ञानातील या सुधारणेचे आणखी एक ठळक वैशिष्ट्य म्हणजे कॅप्चरमधील सर्व खोलीचा डेटा या मोडमध्ये सेव्ह केला जातो, त्यामुळे विकासकांना फायदा घेण्यासाठी विंडो नवीन कार्यक्षमतेसाठी उघडते.
