尼康
很多人觉得这是通过一套更成熟的后期处理方案实现的，但我个人认为，一个更恰当的比喻是：这其实相当于设计了一个非常先进的测光表。对于像我这样的
尼康老单反用户来说，测光表的作用有时候至关重要。而这次这套摄像头系统，本质上更像是一个高度进化的测光表，而不是单纯依赖于ISP（图像信号处理器）的升级。最新的分析表明，之前的猜测可能是错的。既然RGGB和RYYB架构使用的是相同的SOC（系统级芯片），那么它们的ISP架构和算法很可能也是一致的。这意味着，可能有其他协处理器参与其中，比如NPU或一小块专门用于处理色彩信息的模块。由于这些信息并不直接作用于成像过程，因此在后期运算中不会产生问题。值得注意的是，这套系统对动态白平衡的测量精度非常高，甚至可能借助了深度学习技术。这与我之前推测的ISP相关功能有所不同，在此向大家表示歉意。不过，我认为这套方案大概率仍然需要ISP的配合才能完成任务。它以相当低的成本实现了出色的效果，硬件成本很可能不会超过10元。相比之下，其他厂商的白平衡校准方案往往需要引入深度学习模型、进行复杂调校以及色彩校正，但这些步骤并不一定让整体成本更低。实际上，这种思路和智能驾驶领域的技术路线之争有些相似。例如，在视觉方案与激光雷达方案之间的争论，其本质是因为低质量摄像头加上低质量激光雷达所获取的有效信息量，可能等同于高质量摄像头的表现。然而，增加一个激光雷达模块的成本通常要比将摄像头硬件参数提升到更高水平便宜得多。同样的逻辑也适用于现代自动驾驶
汽车。通过加入多光谱摄像头或红外摄像头，可以获取更加充分的信息。毕竟，算法的筛选效率是有上限的，只有当输入信息足够丰富时，才能有效减少错误的发生。
