拍胶卷的人，都在等

• 冲扫店：一卷几十块，来回 三五天；
• 自己翻拍：单反 + 灯箱 + 电脑后期，一晚上；
• 最玄学的是那层橙色片基——白平衡怎么调都不对。

想要的其实很简单：对准，看见，保存。

取景框即暗房

输入 · 手机对准灯箱上的负片

→

输出 · App 实时转换

→ 切手机投屏，现场扫一张

四步流水线

橙框 = 神经网络（各一个 ResNet-18）· 青字 = 无参数算法 · 全部跑在手机上

八个数，对上一张胶片

相机画面 · 青框 = 你猜的画幅位置

x′·w

y′·w

w

=

·

x

y

1

上下拖动矩阵数字 · 双击恢复 · 右下角固定 1

前两项除以 w 才是坐标：x′ = (x′·w)÷w
这一步除法就是「近大远小」——透视本身

拉直预览 · 青框里的内容

这 8 个数，就是一次「透视变换」的全部自由度——「扫描文档」同款数学，网络看一眼直接报出它们。

八个数字定位一张胶片

网络(缩略图) → 8 个数 = 四个角 → 透视变换 → 拉直

前 · 手机原始画面 + 预测的四角

→

后 · 透视矫正成标准 3:2

让标注免费

• 常规做法：先拍照，再一张张手工画框——画一百张要一晚上；
• 反过来：先画框，再拍照——App 随机给一个框，你把胶片对进去拍，框就是现成的标签；
• 拍了 100 张——一杯水的功夫。

采集现场 · 对准青框，拍下即标注

采好的样本 · 绿框 = 随图保存的标签

增强：已知答案的考试

训练时把每张采集的照片随机换窗口、转角度、调亮度、加噪声和假反光——变换是我们施加的，所以角点标签跟着同一个变换走，等于免费多拍了一百倍。

同一批照片增强后的训练样本 · 绿框 = 跟随变换的标签 · 每个 batch 都是新的

它学会了：2.6px

• 合成 + 真实照片混合微调，一共 30 分钟 GPU；
• 插曲：竖着的胶片，「左上角」是哪个角？数学上无解——让损失函数对四种旋转都认账；
• 留 20 张从不参与训练的照片当考卷：平均 2.6px，最差 8.3px；
• 2.6px 什么概念？折算到胶片上约 半毫米——比画幅自己的黑边还细，真框和预测框基本重叠：

绿 = 真实边框 · 红 = 网络预测（按 2.6px 误差模拟） · 右：角点放大 4 倍才能看出两条线

一张照片 = 六百万个数

• 每个像素 = 红绿蓝三个 0~1 的数；1080P ≈ 200 万像素 × 3 ≈ 600 万个数——每个「滤镜」都是对这些数的一条公式，区别只在公式是人写的还是网络学的。

不是每步都要模型

正片 = 1 − 负片 // 逐像素、逐通道，一行数学，无参数

你来当调色师

源 · 反相后的蓝图

目标 · 矩阵作用之后

参考答案

9 个数还只是「线性」调色，已经拧不明白了——那么，交给网络？

33 个旋钮，网络来拧

φ(r,g,b) = [ r, g, b, r², g², b², rg, rb, gb, rgb, 1 ]ᵀ

[R′,G′,B′]ᵀ = M_3×11 · φ(r,g,b) ← M 的 33 个数由网络给出

一张图先变成 11 张「基图」 · 输出的每个通道 = 它们的线性组合（权重就是 M 的一行）

• 把一张图拆成 11 张基图，输出仍是线性组合——权重 3×11 = 33 个，网络看图给出；

又是「已知答案的考试」

训练集是拼起来的公开数据（BDD100K 街景、鸟类、风景、自然……约 50 万张正常照片）。每张随机加色偏——加偏的是题目，原图就是答案。

BDD100K 里的一张训练图 · 同一张答案，无数道题目 · 色偏是自己加的，答案永远免费

和找框同一个配方：把好数据弄坏，让网络学会还原。

完整的一条链

取景

→

找框拉直

→

反相

→

白平衡

• 两个模型 + 两步无参数算法，30 FPS 跑在手机上；
• 三步全部可单独开关——出问题时看中间结果，比看代码快。

两天，一场对话

D1

复活两年前的代码 → 转 Core ML → App 装上手机 → 实时模式 + 自动找框

D2

合成训练 → 手机采集 100 张 → 微调到 2.6px

分工

我：想法、胶片、按快门；AI：写代码、查坑、盯训练

谢谢，来试试

手机就在这，欢迎来扫一张你的胶片。
幻灯片与资料：filmcvt.enhuiz.com