趋势杂谈 | vivo Vision的空间影像思考

📖 阅读提示

潜在读者

• 本文是科普，适合任何对影像感兴趣的盆友

推荐时长

• 1min–30min

vivo Vision 发布了。和 Apple Vision Pro 相比，最大的不同当然在于：重量更轻（398g VS. 632g）、价格更低（10000 VS. 30000）。

这些不是重点，本文想从影像角度来回答如下几个问题：

• 传感器咋样？
• Display咋样？
• 画质怎样？
• 以及，这背后能给我们哪些影像层面的启发？

传感器

声明：以下信息来自不同评测博主与资料整理，未亲自验证，仅供参考。

综合各家信息，我总结了上述的草图，也许不完全对，可以参考。

• RGB 主相机：核心成像，see-through 画面的关键。
• 灰度相机（Mono）：两对不同 FOV + 冗余设计，用于深度估计与 SLAM，另一对专门做手势追踪。
• TOF 模组：细致测距，补充在特殊材质场景下的稳定性。
• 三合一传感器：环境光照度 (ALS)、色温 (CCT) 和频闪 (Flicker) 检测。
• IR 红外相机：贴近眼睛那一侧，用于眼动追踪。

Display

• 单眼 4K，双眼 8K：保证足够的清晰度，避免纱窗感。
• Micro-OLED + Pancake 架构：高对比 + 轻薄光学，降低头显重量。
• 90 Hz 刷新率，38 PPD：刷新率保证流畅不卡顿，PPD（像素密度）影响细节锐度。
• 亮度与色度校准—2 nits 误差，ΔE < 2：控制画面一致性，避免左右眼色差导致不适。
• 94% P3 广色域：能还原更多真实世界的颜色，apple 92% P3。
• 峰值 100 nits：几乎媲美电影院Dolby vision。

从纸面规格来看，已经直逼 Apple Vision Pro，尤其在色彩与校准上的认真程度，值得肯定。

画质

以下为“评价”而非严格评测，图来自 B 站各路博主。

Pros

整体完成度极高，大部分场景都没大问题。普遍评价是可达 Vision Pro 的 85%-90% 水准。能做到这一点，已经非常难得。

Cons

以下图都来自B站评测up主，画面有限

1. 低光照噪声明显：例如墙面会发绿。

2. 快速转头模糊。
3. 文档可读性不足：字体看不清。
4. 投屏色彩管理问题：

当然可能是拍摄偏色，但至少说明色彩链路仍需优化。

影像层面的启发

1. 多模态带来的技术优势

   • 比如，AWB，可以自然的结合深度信息来做
   • AF，天然提供焦平面，减少反复hunt
   • Desnoing，深度更加保边等等

2. 注视区域优先：Foveated color rendering

   • MR 有眼球追踪，完全可以基于human vision attention：

     只保证视线注视区域（PPD）的色彩/亮度最优； 周边区域差不多就行，这是真正的ROI。

   • 这会也许会成为未来 MR ISP/Display 的新范式：算力分配从“全局”转向“注视点优先”。

3. 画质评测指标的升级

   • MR对用户的终极感知都是：是否晕，是否打破了沉浸感等
     1. 那么，MR 画质的评价，不应再是“分辨率、噪声、ΔE”这些客观指标，需要和沉浸感，眩晕感这些终极感知结合
     2. 甚至比如空间定位不准确也会导致眩晕——这意味着这个综合的感知不再局限于画质，而是一个更加广义的评测维度

4. 调色哲学的空间化

   • 国产手机影像的逻辑是“真实+美化”，我觉得没毛病。人们喜欢的不是真实，人们的视觉充满了偏见，人们喜欢的是他们以为的真实。vivo影像口碑很好，被公认为第一梯队，就是因为他们定义了抽象的美。那么，如果未来把他们的调教哲学放进MR设备中，也许会让人们体验到震撼的美，相当于是给客观物理世界以美的‘滤镜’。当然，这意味着MR场景要走出室内，走向广阔的室外——那么挑战也就截然不同。
   • 播放空间视频是我最喜欢的功能，他能让人感受3D沉浸记忆，但是这里的模式我一直困惑，就是不管是apple还是vivo似乎都是没有注意到空间视频和真实背景之间的gap，就比如下面俩视频展示，当时拍摄环境和现在的播放环境截然不同，为何不做一些类似于relighting的操作？（把视频光线改成现实，或者反之）这样才更加沉浸啊

当然，针对不同场景模式当然可以不一样： 沉浸模式：尽可能接近真实（回忆、照片/视频场景）；
交互模式：有意强调边界与对比（办公、文档场景）。

这里的核心点在于你是否认同沉浸对于MR很重要，很重要。

小结：桥梁的意义

vivo 的野心当然不止于此。他们认为，MR 是未来收集机器人数据的最佳平台。

听起来有些震惊，但想一想就明白了：机器人要理解世界，无非就是深度、材质、光照、角度等物理信息，从而了解‘自我’和客观世界的关系——而这些，MR 设备天生都在采集。

真正的智能，离不开具身。机器人，是最后一块版图。
而具身智能最大的问题，就是数据不够。

vivo 研究院院长胡柏山说过一句话：
“MR 是连接物理世界和数字世界的桥梁。”

有人回怼说：“桥梁再好，对面数字世界没东西（生态）。”

这话没错，生态确实暂时不足。

但如果桥梁都不建，怎么会有生态？

技术的进步，往往就是这样——一步一步，最终跨越时代。