导读 自推出以来，Pixel智能手机上的相机是所有智能手机中最好的。大多数公司都使用双摄像头设置来拍摄人像。相比之下，Google Pixel智能手机的
自推出以来，Pixel智能手机上的相机是所有智能手机中最好的。大多数公司都使用双摄像头设置来拍摄人像。相比之下，Google Pixel智能手机的性能要优于带有单个摄像头的手机。在今年的Pixel 3中，Google大大依靠机器学习来改善深度估计。
以前，Pixel智能手机上的人像图片是在PDAF(相位检测自动对焦像素)的帮助下使用“立体声深度”的结果。它的工作原理是从不同角度获取图片并估计前景和背景对象的深度。借助“ 视差 ”效果可以计算出前景和背景之间的深度差。
但是这种方法无法在困难的情况下提供完美的人像拍摄，因为由于视点有限，深度计算通常会出现误差。因此，为了减少Pixel 3上的这些错误，Google训练了一个用TensorFlow编写的“ 卷积神经网络 ” 。这将以PDAF像素作为输入，并通过机器学习来预测深度。
为了训练该神经网络，Google建立了自己的自定义装置，称为“ Frankenphone ”，该装置可搭载五台Pixel 3智能手机。所有这些电话将在约2毫秒的公差内同时捕获图片。因此，借助该钻机，Google通过使用“ 来自运动的结构 ”和“ 多视图立体声 ” 计算出了高质量的深度。
为了获得良好的人像拍摄效果，上述基于机器学习的深度估计应运行得更快，以便用户不必等待。TensorFlow Lite解决了这一问题，TensorFlow Lite是用于电话和嵌入式设备的跨平台机器学习模型。借助Pixel 3中存在的GPU，该模型可以比以前更快地处理全分辨率，数百万像素的PDAF图像。