就在幾天前，vivo 召開了一場名爲 " 影像盛典 " 的活動，一口氣公布了多項即将在下一代産品中亮相的手機影像技術及設計。
對于很多朋友來說，可能印象最深的，會是此次亮相的新一代自研影像芯片 V3。但實際上，縱觀此次活動中亮相的所有 " 新玩意 " 就會意識到，vivo 目前在手機影像方面的投入，絕不隻有 " 一顆芯片 " 這麽簡單。
V3 這款自研影像芯片其實包含了不少 " 劇透 "
根據目前官方已經公布的相關信息來看，V3 這款自研影像芯片的技術亮點主要有三點。一是升級到了 6nm 制程、二是首次采用了多并發 AI 感知 ISP 架構，其三則是在與主 SoC 的通信上、升級到了第二代的 FIT 互聯系統。
顯然，6nm 制程的優勢很多，它使得 V3 的能效比提升了 30%，同時也使得其可以 " 塞進 " 更多的功能模組。當然，更重要的意義在于，它使得這款芯片在底層架構的 " 精密度 " 上，朝着主流 SoC 的水平又靠近了一步。
在此基礎上，V3 的 " 多并發 AI 感知 ISP 架構 " 可能讓有些朋友感到有點懵，但其實将它拆開就不難理解了。所謂 " 多并發 "，就意味着 V3 可以同時驅動不止一枚攝像頭。結合官方目前所公布，V3 主要用于人像和夜景視頻拍攝的用途便不難推測，這樣的設計很有可能意味着它能夠實現多個不同焦距攝像頭在視頻拍攝中的 " 畫面融合 "，從而獲得更高的變焦後視頻畫質、或是實現更自然的人像背景虛化。
更進一步來說，這實際上也暗示了搭載 V3 的機型大概率會至少配備廣角 + 長焦的 " 雙大底主攝 " 配置，甚至不排除會有超廣角 + 廣角 + 人像長焦 " 三大底 " 的堆料方案。
vivo 的 " 定制光學 " 也遠比想象中更複雜
除了自研影像芯片之外，vivo 近年推出的旗艦影像機型另一個被消費者認可的亮點，就是它們的光學設計了。
與其他競争對手相比，vivo 影像旗艦所使用的 " 蔡司 " 光學鏡頭通常被認爲擁有更少的畸變，同時在抗眩光能力上也更爲突出。
但具體 vivo 是如何做到這些的呢？難道是蔡司一 " 點撥 "、或是授權了什麽關鍵技術，vivo 手機的光學設計就突然飛躍了嗎。
當然，這是不可能的。畢竟大家要知道，智能手機的影像模組無論在體積、厚度、重量，還是材質上，都與傳統相機的鏡頭大不相同。特别是由于手機對焦、防抖馬達的限制，它們根本不可能像相機鏡頭那樣，去采用沉重的全玻璃、甚至玻璃 + 螢石材質來制作。
這也就意味着，盡管 vivo 從蔡司哪裏得到了一些鏡頭光學結構的授權，也擁有 T* 鍍膜的性能指标和認證檢測方式。但如何将 " 蔡司級别的鏡頭設計 "、" 蔡司級别的鍍膜效果 " 在智能手機裏複現，其實是需要 vivo 自己要去解決的問題。
正因如此，這實際上也就解釋了爲什麽會看到 vivo 手機一邊有着蔡司的鏡頭和鍍膜認證，另一邊 vivo 自己也會不斷發布新的鏡頭設計成果、推出諸如這次的 Multi-ALD 這類，行業首創的手機鏡片鍍膜工藝。因爲很多工藝上的細節，其實靠的是 vivo 自己去 " 搞定 " 的。顯然這相當不容易，也确實很鍛煉 vivo 自身的設計能力與産業鏈整合能力。
看似 " 科幻 " 的算法，背後的故事同樣也不簡單
除了新的自研影像芯片和新的光學鏡頭 / 鍍膜技術，vivo 此次還在 " 影像盛典 " 上發布了一系列全新的人像算法技術。
其中最爲引人關注的，無疑就是看似 " 科幻 " 的人像 3D 重建感知技術，以及在此基礎上衍生的 AIGC" 生成式人像風格 " 功能了。
所謂人像 3D 重建感知技術，簡單來說其實就是借助攝像頭捕捉人像，乃至人體的距離、形狀信息，建立起高精度的三維模型。這樣一來，在用戶開啓例如 " 長腿 "、" 瘦臉 " 等美化功能時，手機實際上便是在對這個 3D 模型進行修改，然後在它的基礎上再疊加二維的 " 蒙皮 "，并最終加上生成的背景。
如此一來，便能避免傳統的 2D 美顔算法在對人像進行 " 優化 " 時，連帶着也影響到背景部分，從而 " 穿幫 " 的問題。而且它理論上還能任意改變人像攝影時的背景，從而帶來更多的樂趣。
說到這裏，大家是不是覺得這樣的功能很科幻，或者至少可能是受益于最新技術才實現的效果呢？其實可能并不完全是這樣。
早在 2018 年 6 月，我們三易生活就曾參與過 vivo ToF 技術的一場相關活動。當時他們就已經做出了借助 ToF 傳感器輔助前攝，對用戶面部進行立體建模的功能，并且後來這一功能在 NEX 雙屏版上也很快得到了實裝。
回看此事其實就很容易意識到，vivo 極有可能是一直在持續改進這項他們 5 年前就已初具端倪的技術，所以才能令它在最新一代的影像旗艦上變得更強大、更好用，并與 AIGC 技術實現緊密融合。而這種持之以恒，還耐得住性子在多年後再次讓相關技術開花結果的做法，或許正是 vivo 如今在影像算法領域的真正奧秘。
