谷歌逆天「夜视」拍照突然火了！完美降噪还能合成3D视角
最近，网上一段来自谷歌的AI夜景拍摄视频被刷爆了！视频中的这个技术叫RawNeRF，顾名思义就是NeRF的一个全新变体。NeRF是一种全连接神经网络，使用2D图像的信息作为训练数据，还原出3D场景。RawNeRF比起之前的NeRF，有了多处改进。不仅能完美降噪，还能改变相机视角，调整焦点、曝光和色调映射。谷歌的这篇论文于2021年11月发表，并被CVPR2022收录。项目地址：https://bmild.github.io/rawnerf/黑夜中的RawNeRF在此之前，NeRF是使用色调映射的低动态范
最近，网上一段来自谷歌的AI夜景拍摄视频被刷爆了！
视频中的这个技术叫RawNeRF，顾名思义就是NeRF的一个全新变体。
NeRF是一种全连接神经网络，使用2D图像的信息作为训练数据，还原出3D场景。
RawNeRF比起之前的NeRF，有了多处改进。不仅能完美降噪，还能改变相机视角，调整焦点、曝光和色调映射。谷歌的这篇论文于2021年11月发表，并被CVPR 2022收录。
项目地址：https://bmild.github.io/rawnerf/
黑夜中的RawNeRF
在此之前，NeRF是使用色调映射的低动态范围LDR图像作为输入。
而谷歌的RawNeRF改为直接在线性原始图像上进行训练，可以保留场景的完整动态范围。
在合成视图领域，处理黑暗的照片一直是一个难题。
因为在这种情况下，图像中的细节极少。而且这些图像让我们很难把新视图拼接到一起。
还好，我们有一个新的方案——使用原始传感器（RAW sensor data）的数据。
就是像这样的一张图，这样，我们就有了更多的细节。
不过，仍然存在一个问题：噪点也多了。
所以我们必须做个选择：是更少的细节和更少的噪点，还是选择更多的细节和更多的噪点。
好消息是：我们可以使用图像降噪技术。
可以看到，降噪之后的图像效果不错，但要合成视图，这种质量还是不够。
不过图像降噪技术给我们提供了一个思路：既然可以给单个图像去噪，那也可以给一组图像去噪。
让我们来看看RawNeRF的效果。
而且，它还有更多令人惊喜的功能：对基础数据进行色调映射，从深色图像中提取更多细节。
比如改变图像的焦点，营造出很棒的景深效果。
更厉害的是，这个还是实时的。
此外，图像的曝光也会随着焦点的变化而产生相应的变化！
接下来，就让我们看看RawNeRF的五个经典的应用场景吧。
五大经典场景
1. 图像清晰度
看这张图像，你能看到路牌上的信息吗？
可以看到，经过RawNeRF处理后，路牌上的信息就清晰多了。
在下面这个动图里，我们可以清晰地看到原始的NeRF技术和RawNeRF在图像合成上的区别。
其实，所谓的NeRF也并不是多古老的技术，时间才刚刚过了2年而已……
看得出来，RawNeRF在高光的处理上，表现得还是非常出色的，我们甚至能看到右下角车牌周围的高光变化。
2. 镜面高光
镜面高光属于非常难捕捉的对象，因为在移动相机时，它们会发生很大的变化，而且照片之间的相对距离也比较远。这些因素对于学习算法来说，都是巨大的挑战。
在下面这张图中可以看到，RawNeRF所生成的镜面高光可以说是相当还原了。
3. 薄的结构
即使在光线充足的情景中，以前的技术对于栅栏的显示效果也并不好。
而RawNeRF即使处理有一堆栅栏的夜间照片，也妥妥hold得住。
即使在栅栏与车牌重合的地方，效果依然很好。
4. 镜面反光
路面上的反光，是一种更有挑战性的镜面高光。可以看到，RawNeRF也处理得非常自然，非常真实。
5. 改变焦点，调整曝光
在这个场景中，让我们试试改变视角，不断变换焦点，同时调整曝光。
在以前，要完成这些工作，我们需要从25到200张照片的集合。
而现在，我们只需要几秒钟，就可以完成拍摄了。
当然，RawNeRF现在并不完美，我们可以看到，左边的RawNeRF图像和右边的真实照片，还是有一些差异。
不过，从一组充满噪点的原始图像达到现在这样的效果，RAWnerf已经取得相当大的进步了。要知道，两年前的技术还完全做不到这样。
RAW的好处
简单回顾一下，NeRF训练管线所接收的是经过相机处理的LDR图像，之后的场景重建和视图渲染，基于的都是LDR色彩空间。因此，NeRF的输出实际上已经是经过了后期处理的，想要大幅修改和编辑是不可能了。
相比而言，RawNeRF是直接在线性原始HDR输入数据上训练的。由此产生的渲染结果可以像任何原始照片一样进行编辑，如改变焦点和曝光等等。
由此带来的好处主要有两点：HDR视图合成和降噪处理。
在亮度变化极大的场景中，固定的快门速度不足以捕捉到全部动态范围。RawNeRF模型则可以同时对短曝光和长曝光进行优化处理，从而恢复完整的动态范围。
例如（b）中的这种大光比场景，就需要更复杂的局部色调映射算法（例如HDR+后期处理），才能同时保留暗部的细节和室外的高光。
此外，RawNeRF还可以使用线性颜色渲染具有正确饱和的「虚化」亮点的合成失焦效果。
在图像噪点的处理上，作者进一步地将RawNeRF在完全未经处理的HDR线性原始图像上进行了训练，使其变成了一个能处理几十甚至几百张输入图像的「降噪器」。
这种鲁棒性也就意味着，RawNeRF可以出色地完成在黑暗中重建场景的任务。
例如在（a）这个只有一根蜡烛照明的夜景中，RawNeRF可以从嘈杂的原始数据中提取出本来会被后期处理破坏的细节（b，c）。
作者介绍
论文的第一作者Ben Mildenhall是谷歌研究院的一名研究科学家，从事计算机视觉和图形方面的问题。
他在2015年于斯坦福大学取得计算机科学和数学学士学位，并在2020年于加州大学伯克利分校取得计算机科学博士学位。
刚刚结束的CVPR 2022，可以说是Ben的高光时刻了。
7篇录用论文中有5篇拿下Oral，并且还有一篇获得了最佳学生论文的荣誉提名。
网友评论
视频一出，立马惊艳了众网友。大家一起脑洞大开。
看这技术进步的速度，要不了多久，夜间拍照再也不用愁了~
手机早已成为中青年人的标配，不同年龄段对手机的需求其实差别不小。iPhone 15 Plus 作为当前热度颇高的机型，功能与服务覆盖得相当全面，能满足各类用户的需求。不过，有个实用问题很多人都会遇到——怎么把照片传到电脑上？今天就把两种主流方法掰开揉碎讲清楚，看完你就知道该怎么操作了。 方法一：数据
谷歌正式推送安卓17系统，首批覆盖Pixel6至10系列共21款机型。新功能包括长按应用气泡菜单、应用内存限制机制、精确/大致定位权限选择，以及遗失设备追踪的FindHub功能，进一步优化隐私与设备管理体验。
这几天，一些MIUI用户发现手机装不上谷歌GMS（谷歌移动服务）了。这事儿怎么说呢？小米社区里，多位认证为解答组的人员给出了统一回复：国内版MIUI出于合规原因，没有预置Google服务框架的机型，以后不再支持用户自己安装GMS服务。解答组还贴心地补了一句——如果真要用，可以去酷安搜相关教程。 受影
微软Edge浏览器计划于2026年7月直接支持谷歌账号登录，用户无需微软账号即可跨设备同步浏览器数据。此举为偏好Edge但不想使用微软账号的用户提供原生单点登录体验，无需再走间接路径。
小米MIXFold3未预装谷歌服务，需手动安装：先下载谷歌服务框架并开启未知来源，再安装GooglePlay商店并登录账号。但设备不支持完整GMS，部分应用可能有兼容性问题。
安卓手机忘记密码时，可通过三种方式解锁：一、开启USB调试后，用ADB命令删除密码文件；二、连续错误输入五次，利用绑定的谷歌账号重置；三、使用刷机软件清除锁屏密码。
安卓17引入四项重要安全改进：包括主动终止内存异常应用、新增本地网络权限防止设备扫描、强制动态加载库只读防止恶意注入、默认启用证书透明度防止伪造证书，全面提升系统安全。
不到一周内，谷歌两位核心人物诺姆·沙泽尔与约翰·江珀相继离职。谷歌在AIAgent领域明显落后，产品线混乱，Antigravity2.0表现差强人意。尽管评测分数领先，但任务交付能力不足，组织架构的割裂是根本原因。
谷歌与加州大学圣地亚哥分校利用2000台退役Pixel手机，去除电池和外壳后组成分布式服务器集群。该方案将手机主板分组联网，提供边缘计算能力，缓解算力与存储短缺，但受限于可靠性和维护成本，无法替代传统数据中心。
谷歌浏览器（chrome）凭借流畅的使用体验和丰富的拓展功能，成为了全球用户使用率最高的浏览器之一，不少用户会用它的多配置文件功能区分工作、生活账号，或是多人共用设备时划分使用空间，自定义头像不仅能满足个性化审美，还能快速区分不同账号，方便识别。很多新用户还不清楚具体的操作方法，接下来就分场景详细说
Windows 10 是一款微软推出的经典操作系统，拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起，适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件，支持OCR公式识别和多平台编辑。和使用说明，避免使用，享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时，它能把识别后的处理步骤接得更顺，资料录入这类场景会省下不少时间。
