زوم فوق‌العاده پیکسل ۱۱ پرو به‌طرز غافلگیرکننده‌ای کاربردی است، اما تصاویر تقویت‌شده با هوش مصنوعی آن چند ایراد کاملاً واضح دارند.
گوگل هرگز در به‌حدنهایت‌رساندن دوربین‌های گوشی‌های هوشمند خجالتی نبوده است. در واقع، برخی ممکن است بگویند که گرفتن حداکثر عملکرد از نرم‌افزار به‌جای سخت‌افزار، تمام ترفند گوگل در سری پیکسل است. با پیکسل ۱۱ پرو، این شرکت با زوم ۱۲۰ برابری Pro Res، به‌معنای واقعی کلمه، پا را فراتر می‌گذارد. این یک پله بالاتر از ۱۰۰ برابر در پیکسل ۱۰ پرو و مقدار مضحکی بزرگ‌نمایی برای یک گوشی است. گوگل ادعا می‌کند دوربین تله‌فوتو روشن‌ترش می‌تواند جزئیات بیشتری را از فاصله دورتر ثبت کند—البته وقتی با هوش مصنوعی مولد ترکیب شود. اما صرفاً اینکه یک گوشی می‌تواند تا این حد زوم کند به این معنا نیست که نتایج خوب خواهند بود. تجربه قبلی من با چنین ادعاهای جسورانه اغلب ناامیدکننده بوده است. بنابراین کنجکاو بودم ببینم آیا گوگل می‌تواند بهتر عمل کند.
من هفته گذشته را صرف آزمایش زوم پیکسل ۱۱ پرو در موقعیت‌های مختلف کردم تا ببینم آیا واقعاً خوب عمل می‌کند یا فقط چیزی است که روی برگه مشخصات خوب به نظر می‌رسد. همه‌کار کردم، از خواندن تابلوهای دور، عکاسی از بناهای تاریخی، و ثبت حیات وحش و آدم‌ها در آن سوی پارک. نتایج شگفت‌انگیز بود. دوربین می‌تواند چند ترفند چشمگیر اجرا کند، اما می‌تواند تصاویری کاملاً عجیب هم تولید کند. خلاصه‌اش؟ کار می‌کند، با چند ایراد کاملاً واضح.
خواندن تابلوها آسان است
یکی از کاربردی‌ترین کارهایی که می‌توانید با زوم فوق‌العاده انجام دهید، خواندن متنی است که در غیر این صورت برای تشخیص دادن بیش از حد دور است. مثل تابلوها یا متن آن سوی اتاق. این را در بیرون آزمایش کردم، در حالی که آن سوی چمن‌زار یک پارک بزرگ ایستاده بودم. از جایی که ایستاده بودم، ساختمان چیزی بیشتر از یک سازه سنگی کوچک در دوردست نبود و به‌سختی می‌توانستم تابلوی روی نما را تشخیص دهم.
زوم ۱۲۰ برابری تقویت‌شده با هوش مصنوعی پیکسل ۱۱ پرو XL اینجا تفاوت بزرگی ایجاد کرد. در واقع، حتی به فاصله کانونی کامل هم نیاز نداشتم تا متن واقعی را کادربندی کنم. زوم کردن ورودی را به دید آورد و حروف روی نمای سنگی به‌قدر کافی برای خواندن واضح بود. آنچه فوراً آشکار می‌شود—و در سراسر این آزمایش موضوعی تکرارشونده خواهد بود—تیزکردن و صاف‌کردن دیجیتالی بسیار مشهود روی عناصر خاصی از تصویر است. در این مورد، حروف فلزی مشکی روی نما به نظر می‌رسد از بقیه سازه جدا شده است.
در نور خوب، متن خوانا است، اما هوش مصنوعی عادت دارد جزئیاتی را از خودش بسازد که وجود ندارند.
به‌طور مشابه، شاخ‌و‌برگ پس‌زمینه افکت نقاشی‌وار و نویز دیجیتالی بیش از حدی دارد. روی صفحه گوشی هوشمند، نتایج به‌قدر کافی چشمگیر به نظر می‌رسند، اما آن‌ها را روی نمایشگر بزرگ‌تر بزرگ کنید، داستان فرق می‌کند. بیشتر روی شیشه پنجره سمت راست زوم کردم و توانستم نتایج مشابهی بگیرم. تصویر کمی درخشش و نرمی دارد، و علاوه بر آن، الگوی محوی که هوش مصنوعی در شیشه‌های پنجره ساخته است. با بررسی دقیق‌تر، چنین الگویی روی شیشه‌های پنجره ورودی وجود نداشت.
اوضاع در نور کم هم به‌طور خاص عجیب می‌شود. هوش مصنوعی مولد فقط زمانی می‌تواند نتایج محکم بسازد که مقدار خوبی از اطلاعات برای کار کردن داشته باشد. برای این آزمایش، از آن سوی اتاق در شرایط نور محیطی از یک قوطی عکس گرفتم. اتاقم نسبتاً تاریک و قوطی نسبتاً کوچک است، بنابراین واضح است که متن از فاصله دور اصلاً خوانا نبود. برخلاف بناهای تاریخی یا ساختمان‌ها که جزئیات مجسمه‌ای بزرگ دارند و هوش مصنوعی می‌تواند با خیال راحت مرزها را تشخیص دهد و تصویر را بزرگ‌نمایی کند، متن عموماً کوچک است. بسته به فونت، خواندن مرزهای چاپ در تصاویر کم‌کیفیت هم می‌تواند به‌شدت سخت باشد. در نتیجه، آنچه به دست می‌آورید مطلقاً بی‌معنی است. آن را روی یک تابلو جاده‌ای در فاصله دور و نور کم، و همچنین متن‌های دیگر در اتاقم امتحان کردم، و هوش مصنوعی به‌طور مداوم در ساختن یک تصویر قابل‌فهم ناکام ماند.
تشخیص جزئیات دوردست
معماری هم آزمون خوب دیگری برای زوم فوق‌العاده است. پیکسل ۱۱ پرو XL را به سمت این چاه‌پله ۵۰۰ ساله گرفتم با این هدف که ببینم دقیقاً چقدر جزئیات می‌توانم استخراج کنم. میخواستم ببینم آیا می‌توانم عکسی واضح از کنده‌کاری گل‌وبوته بالای یکی از طاقچه‌های قوس‌دار سازه بگیرم. نتایج، مثل قبل، جالب‌اند. شیارهای سنگ‌کاری و بافت اطراف کنده‌کاری به‌راحتی قابل تشخیص‌اند، و کاملاً چشمگیر است که ببینیم دوربین چقدر می‌تواند از تصویر بازیابی کند. با این حال، یک بار دیگر، حتی در زوم نزدیک به ۹۰ برابر یا چیزی حدود آن، می‌توانید ببینید که نویززدایی و تیزکردن هوش مصنوعی بخش زیادی از کار سنگین را انجام می‌دهند.
هوش مصنوعی گوگل می‌تواند جزئیات معماری‌ای را آشکار کند که در غیر این صورت از دست می‌دادید، حتی اگر عکس‌ها از نظر فنی عالی نباشند.
در تصویر میانی، فضاهای داخلی تاریک مجموعه تاریخی تا حد زیادی صاف شده‌اند. با وجود این، می‌توانم خودم را در حال استفاده از این ببینم، فقط برای اینکه بتوانم جزئیاتی را ببینم که در غیر این صورت از دست می‌دادم. فقط انتظار عکس‌های فنی‌عالی اینجا نداشته باشید.
خب، این یکی بامزه است. بیشتر عمرم را در دهلی زندگی کرده‌ام و بی‌شمار بار از کنار این مناره ۸۰۰ ساله گذشته‌ام. با این وجود، اصلاً نمی‌دانستم که روی سازه بالایی خوشنویسی وجود دارد. برای این آزمایش، همان‌طور که می‌بینید، بنای تاریخی از دور مثل نوار نازکی از سنگ‌ماسه در برابر آسمان به نظر می‌رسد. با این حال، در ۱۲۰ برابر، می‌توانید به‌راحتی جزئیات اطراف بالاترین بالکن را تشخیص دهید، از جمله براکت‌های سنگی و خوشنویسی مذکور. نتایج بی‌عیب نبودند. برخی لبه‌ها درخشش محوی اطرافشان داشتند که تصویر را کمی بیش از حد پردازش‌شده نشان می‌داد. با این حال، توانستن تشخیص این جزئیات از این فاصله دور چشمگیر است. تصویر سمت راست بدون هیچ پردازش هوش مصنوعی است. اصلاً بد نیست.
به‌قدر کافی خوب برای نگاهی دزدکی به آن سوی اتاق
همچنین میخواستم ببینم دوربین تله‌فوتوی روشن‌تر در فضاهای بسته که نور همیشه ایدئال نیست چه عملکردی دارد. روی بالکن بالایی یک دهانه ایستاده بودم و پیکسل را به سمت یک بازار صنایع دستی در طبقه همکف گرفتم. عکس عریض مجموعه‌ای از غرفه‌های نمایشی را نشان می‌داد که تزئینات اوریگامی کاغذی از بالای سرشان آویزان بود. زوم کردن نشان داد دوربین چقدر می‌تواند جزئیات را ثبت کند، و روکش کوسن‌های گلدوزی‌شده، ملیله‌های بافته‌شده و رول‌های پارچه‌ای طرح‌دار همچنان به‌وضوح دیده می‌شدند. رنگ‌ها نیز زیر نورهای گرم خوب حفظ شدند و به‌طور غیرطبیعی روشن یا بیش‌ازحد اشباع نشدند.
گاهی شما به یک عکس بی‌نقص نیازی ندارید. فقط می‌خواهید ببینید آن‌طرف اتاق چه چیزی هست.
با خطر تکرار مکررات، با نگاه دقیق به تصاویر همچنان می‌توانستم کمی نرم‌شدگی ناشی از کاهش نویز دوربین را ببینم. جزئیات ظریف پارچه قطعاً به‌طور کامل حفظ نشده بودند. اما نتایج بیش از اندازه کافی خوب بودند تا بتوان اشیاء را از فاصله، حتی در فضای بسته، بررسی کرد. این موقعیت دیگری است که زوم فوق‌العاده پیکسل می‌تواند واقعاً مفید باشد. شما همیشه به یک عکس بی‌نقص نیاز ندارید. گاهی فقط می‌خواهید ببینید آن‌طرف یک اتاق بزرگ چه چیزی هست، و دوربین این کار را خوب انجام می‌دهد.
حیات وحش به سمت دره وهم‌آور متمایل می‌شود
اجازه بدهید این بخش را با این نکته شروع کنم که برای یافتن موارد استفاده زوم ۱۲۰ برابری به سختی تلاش کردم. مقدار قابل‌توجهی فکر لازم بود تا بفهمم برای این آزمون چه چیزی می‌خواهم عکاسی کنم. و زوم ۱۲۰ برابری واقعاً ویژگی‌ای نیست که اغلب به آن نیاز داشته باشید. با این حال، یکی از موارد استفاده‌ای که می‌تواند به کار بیاید عکاسی از حیات وحش است، که همین موضوع آزمون بعدی را به‌طور خاص جالب می‌کند.
با زوم ۱۲۰ برابری، هوش مصنوعی گوگل می‌تواند حیات وحش را به‌شکلی شگفت‌انگیز پرجزئیات و کمی وهم‌آور نشان دهد.
با یک سگ ولگرد که در محوطه‌ای شنی استراحت می‌کرد شروع کردم. زوم روی سرش تصویری تولید کرد که در نگاه اول بسیار پرجزئیات است. می‌توانید خز، بافت بینی و موارد بیشتر را ببینید. اما در همان زمان، بهبودهای مولد بسیار آشکار هستند. از بافت اطراف گردن تا چشم، و حتی تن رنگی کل تصویر، همه‌چیز روتوش شده است. به‌سختی می‌توان دقیقاً اشاره کرد کجاست، اما نسخه تقویت‌شده با هوش مصنوعی برای من به سمت قلمرو دره وهم‌آور متمایل است. این تفاوت‌ها وقتی عکس دست‌نخورده را در کنار آن قرار دهید حتی آشکارتر می‌شوند.
نتایج مشابهی در دریاچه‌ای نزدیک به دست آوردم، جایی که پرنده‌ای سیاه روی شاخه‌ای نشسته بود. زوم کردن پرهای جداگانه در امتداد بال‌های بازش و درخششی تیز در چشمش را نمایان کرد. به یاد داشته باشید که هیچ‌یک از این‌ها با چشم غیرمسلح قابل دیدن نبود.
این نتایج به‌طور خاص جالب هستند چون دوربین فقط یک تصویر با وضوح بالا را برش نمی‌دهد. در سطوح زوم شدید، پردازش گوگل نقش بسیار بزرگ‌تری در پر کردن جزئیات گم‌شده ایفا می‌کند. خز و پر الگوهای تکرارشونده‌ای دارند که نرم‌افزار می‌تواند از آن‌ها برای تولید نتیجه قانع‌کننده استفاده کند. هر کاری که گوگل پشت صحنه انجام می‌دهد، اینجا به‌طور شگفت‌انگیزی خوب عمل می‌کند، با این قید که مدل هوش مصنوعی هم مقدار زیادی حدس و گمان انجام می‌دهد.
باید به یاد داشته باشید که تصویر تقویت‌شده یک تقریب از تصویری پاک‌سازی‌شده است و نه بازنمایی دقیق سوژه. می‌تواند و اغلب جزئیاتی خلق می‌کند که در واقعیت وجود ندارند.
چهره‌های انسان داستان کاملاً متفاوتی هستند
متأسفانه، موفقیت کلی پیکسل ۱۱ پرو XL در زوم فوق‌العاده تله‌فوتو به افراد منتقل نمی‌شود. در واقع، پیکسل ۱۱ پرو به‌صراحت وقتی انسانی در کادر تشخیص دهد، از بزرگ‌نمایی مولد و تولید تصویر صرف‌نظر می‌کند. با این حال، به‌خاطر کامل بودن ماجرا، آن را آزمودم و نتایج دقیقاً همان چیزی بود که از عکسی که فراتر از تشخیص بزرگ‌نمایی شده انتظار داشتم.
پس آیا زوم ۱۲۰ برابری واقعاً مفید است؟
زوم ۱۲۰ برابری پیکسل ۱۱ پرو بیشتر از یک حقه تبلیغاتی است، اما چیزی نیست که برای هر عکسی از آن استفاده کنم. بزرگ‌ترین نقطه قوت آن این است که به شما امکان می‌دهد اشیاء دوردستی را که در غیر این صورت دیدنشان به‌وضوح غیرممکن است بررسی کنید. چه خواندن یک تابلو، چه نگاه کردن به کنده‌کاری‌های یک بنای تاریخی، یا عکاسی از حیات وحش از فاصله دور، دوربین می‌تواند نتایج شگفت‌انگیز قابل استفاده‌ای تولید کند. اما قابل استفاده بودن به معنای عکس عالی بودن نیست، و قطعاً اگر دوست دارید عکس‌هایتان را روی تلویزیون بزرگ یا مانیتور ببینید این‌طور نیست. هیچ‌کس را نمی‌توان فریب داد که این عکس‌ها با یک لنز تله‌فوتوی بلند گرفته شده‌اند.
این ابزار مفیدی برای داشتن در جیب است، تا زمانی که بدانید کِی نباید به آنچه می‌بینید اعتماد کنید.
ترکیب یک لنز تله‌فوتوی روشن‌تر و الگوریتم‌های هوش مصنوعی بهتر به گوگل اجازه داده برد را افزایش دهد، اما بسیاری از معایب زوم مبتنی بر هوش مصنوعی همچنان پابرجاست. تصاویر ممکن است روی صفحه گوشی خوب به نظر برسند، اما روی این حساب نمی‌کنم که خاطرات ماجراجویی بعدی عکاسی حیات وحشتان را ثبت کند. نتایج به‌وضوح حس تقویت‌شده با هوش مصنوعی می‌دهند، اغلب بیش‌ازحد نرم شده‌اند و در مورد عکس‌های پر از متن، کاملاً پر از حرف‌های بی‌معنی هستند. همچنین با حضور انسان در کادر کار نمی‌کند. اما با وجود آن، ابزار مفیدی برای داشتن در جیب است. زوم ۱۲۰ برابری پیکسل ۱۱ پرو قطعاً کار می‌کند و می‌تواند برای موقعیت‌های خاص ابزار مفیدی باشد، تا زمانی که انتظاراتتان را واقع‌بینانه نگه دارید.
دیدگاهتان را بنویسید