122、深度学习AF：端到端对焦预测、模糊度估计与实时性挑战的落地经验一、从一次“对焦抽风”说起去年在调试某款旗舰机的前置摄像头时，遇到一个诡异现象：用户在暗光下自拍，AF算法反复在近端和远端之间来回跳动，画面像拉风箱一样抽搐。传统反差式AF（CDAF）在低照度下信噪比极差，对比度曲线平坦得像死水，相位检测点（PDAF）又因为镜头F数太大（F2.0）导致像素间串扰严重。当时团队里有人提议：“要不试试深度学习？端到端预测对焦位置，跳过传统特征提取。”这个提议让我想起2018年第一次在安防摄像头上跑轻量级CNN做模糊度检测的场景——模型在实验室跑得飞起，一上板子就卡成PPT。但这次不一样，手机SoC的NPU算力已经能支撑实时推理了。于是我们开始了长达三个月的“深度学习AF”落地之旅。二、端到端对焦预测：不是“输入图像，输出马达位置”那么简单很多人以为端到端AF就是拿一堆模糊/清晰图像对，训练一个网络直接输出镜头步进数。这个想法在理论上是成立的，但实际落地时你会遇到三个“坑”：坑1：训练数据的“对焦标签”怎么标？传统方法需要精确知道每个图像对应的镜头物理位置（比如马达的DAC code）。但手动标定几万张不同距离、不同光照下的图像，成本高到离谱。我们当时的做法是：用激光测距仪标定10个固定距离（10cm、20cm、50cm、1m、2m、5m、10m、20m、50m、无穷远），然后让马达在这些位置各拍一张，再通过插值生成连续标签。注意，这里有个细节——
