在佳能 EOS RF 卡口的新一代机身上，我们已经见识了深度学习的威力——相机能够自主分析画面信息，从而准确识别人物、动物、赛车、火车、飞机等被摄体的对焦特征。而此番在上海P&I展上，佳能又带来两款全新的APP——Neural network Image Processing Tool和Neural network Upscaling Tool，中文名分别叫做神经网络图像处理工具，和神经网络图像升级工具。

神经网络图像处理工具展示了降噪、去马赛克和镜头优化功能。按照官方说法，“降噪功能基于高效的降噪处理，提升轮廓线的品质和降噪效果。去马赛克功能可以抑制伪色彩、摩尔纹以及锯齿现象，提升图像分辨力。镜头优化是原有数码镜头优化功能的升级版，以前，大幅的像差以及像差引起的高光溢出是很难补偿的，此次的镜头优化的改善效果有了很大提升。”

与传统的后期修图方式不同，由于是原厂开发的软件，它能够对佳能 RAW 数据库进行了深度学习，并且获得所有的数据参数，从而形成了对误差计算的定量参数，形成图像输出结果。

从结果来看，神经网络图像处理工具不仅能够彻底改善高感光下的噪声表现，并且能够“狗头变牛头”，优化镜头发肉的成像表现，纠正画面边缘的慧差和高光紫边色散。

需要特别指出的是，在原理上，传统的镜头优化一般镜头和机身数据进行出图补偿，而新的深度学习工具能够对高光溢出等没有数据的成像部分进行补偿，实现缺失信息的还原。

而另一工具——神经网络升级工具，可以把图片长宽扩大两倍，以近乎无损的方式获得四倍分辨率的图像。

（扩展到 8000 万像素下局部放大）

以约4500万像素的EOS R5为例，所拍图像可以跃升为高精细的约1.8亿像素图像，大幅拓展了图像使用的领域。

相比于传统的扩图锐化，使用神经网络升级工具放大后的图像更像是高像素相机直接拍出的图片，没有过度锐化的痕迹，观感比较自然。

两款软件对 PC 系统的要求为酷睿 i7 以上，内存最好在 16G 以上，显存 4GB 以上。

推出这两款工具的意义在于，消费者使用相机的边界被进一步拓展了。遇到光照不足、镜头素质有限，以及体育、鸟类抓拍等场景下，可以更加放心地进行拍摄，交给后期进行画质提升，很久之前拍的老照片也有了再利用的空间。让我们共同期待 AI 技术在摄影领域能够的更多应用。