惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

腾讯CDC
aimingoo的专栏
aimingoo的专栏
S
SegmentFault 最新的问题
A
About on SuperTechFans
Engineering at Meta
Engineering at Meta
宝玉的分享
宝玉的分享
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
博客园 - 叶小钗
WordPress大学
WordPress大学
N
Netflix TechBlog - Medium
MyScale Blog
MyScale Blog
Stack Overflow Blog
Stack Overflow Blog
Microsoft Azure Blog
Microsoft Azure Blog
博客园 - 聂微东
M
MIT News - Artificial intelligence
F
Fortinet All Blogs
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Blog — PlanetScale
Blog — PlanetScale
T
Tailwind CSS Blog
Recent Announcements
Recent Announcements
Jina AI
Jina AI
大猫的无限游戏
大猫的无限游戏
Apple Machine Learning Research
Apple Machine Learning Research
J
Java Code Geeks

少数派

派早报:Google 发布 Fitbit Air 等 - 少数派 「新人报到」確認需求,再開始 - 少数派 从 SOLO 独立开发者社区,我看到了越来越多开发者开始做自己的产品 - 少数派 我怎么管理那些"不常做,但总会忘"的生活事项 - 少数派 人形机器人量产元年,数据才是具身智能的“生死线” - 少数派 BuhoLaunchpad 高度还原 Mac 启动台:开发历程与思考 - 少数派 五年陪伴依然不舍,DIY 换壳后让罗技 MX Master 3 继续服役 - 少数派 新玩意 240|少数派的编辑们最近买了啥? - 少数派 一日一技|为什么你应该关闭 iOS 的键盘声音 - 少数派 我做了个插件和 Skills,一键提取任何网站的设计规范 Design.md - 少数派 住在三四线城市的你,该开始录播客了 - 少数派 甘南秘境,大白高国 - 少数派 AI的审美:谁让把我变成川内倫子 - 少数派 返工怎能不烦恼,打工人片单总有一部是你的「嘴替」 - 少数派 为了让「上厕所」更健康,我做了一个小工具 - 少数派 AI + Skill,能够让生成的文章去除 AI 味吗? - 少数派 新玩意|韶音OpenDots ONE 耳夹式耳机 - 少数派 《美满》| 在每一个春天的晚上相爱(362) - 少数派 新玩意|优篮子 PS01 MagSnap 磁吸支架 - 少数派 自我整合手记 | 我开始早睡了:用稳定规则,为自由托底 - 少数派 用龙虾(OpenClaw)两个多月,我最深的12个体会 - 少数派 听歌时间到,12 张你可能错过的 2025 华语乐坛好专辑 - 少数派 承诺能追吗 - 少数派 macOS 26启动台没了? 我做了个不一样的App启动器 - Keboard - 少数派 《四海为家的人》| INTJ对话INTJ(361) - 少数派 你发过的那些黑历史,是时候一次清干净了 - 少数派 新玩意:安安静静玩,越玩越专注:计客密码机 - 少数派 iPad 用户首次体验 Android 平板:vivo Pad6 Pro - 少数派 数据逻辑强 - 少数派 极北行+ | 一路向北,探访日本至北之地 | 001 - 少数派
从只是显示美学评分手动到自动裁切:我是如何设计裁切大师APP...
2025-01-06 · via 少数派

一切要从“电影感相机”APP开始说起。

这源于我偶然发现的一个开源模型,这个模型很酷,能给照片打一个美学分数。

我觉得这很有意思,因此,我突发奇想,能不能把这个模型和我心爱的哈苏XPAN相机结合起来?于是,“电影感相机”就诞生了。

这个APP很简单,就是拍照的时候,它会实时给照片的美感打分,0到10分,低于4.5分的,基本上就 pass 了,因此,这个APP只能保存评分在4.5以上的照片,你想想,每次按下快门,都带着一点小刺激,是不是挺有意思?

但是,这个APP虽然受到了一些朋友的喜欢,但它也花了我超级长的时间,因此,当它终于成功上架的时候,我真的觉得非常有成就感。

你知道吗,这可是我的第一个完全用AI写的APP!那时候,还没有现在这么先进的AI编程工具,我只能手动地把代码贴到GPT里面,然后再复制下来,然后再扔到 Xcode里面跑。

那时候的GPT3.5,上下文窗口也特别短,大概只有8000个TOKEN左右,因此,那段时间我开发得非常痛苦。

可能 GPT 自己也很痛苦,反正我是他的监工。

但是,我并没有因此放弃,因此,后来我就想做一个更轻量级的APP,我还是想用那个美学评分模型。

我想到,可以让用户直接导入图片,然后在裁切的时候,实时看到美学评分的变化,这样就能判断当前的裁切是不是让照片更好看了。

但是,当时的技术限制还是挺大的,因此,我不得不把两个不太相关的模块拼凑在一起,一个是开源的裁切框架,里面有很多我并不熟悉的代码,修改起来非常痛苦,另一个是我之前想做的多步骤返回和前进功能,这个实现起来代码量也很大,也很困难。最终还是放弃了。

但是,最终我还是把裁切和评分这两个模块硬生生地缝合到了一起,因此,就有了你现在看到的裁切大师APP的雏形。

这个APP,很明显带着我早期技术性思维的印记,我先有了某个技术,然后围绕它来打造一个产品。

但是,故事并没有就此结束,这些事情发生在2023年,也就是AI编程刚刚兴起的时候,我记得“电影感相机”一开始是用GPT3.5写的,那个时候的GPT,还基本写不出完整的iOS代码。但是,后来出现了GPT4,因此,我就可以更放心地进行开发了,代码的错误也少了很多。

按理来说,作为一个轻量级APP,开发的初始范围到这里就应该结束了。但是,很显然,到了2025年,我的这个APP又进行了一波大的更新,因此,最主要的功能,还是我之前一直想做的自动裁切。

其实当时也有很多朋友问我,能不能做自动裁切的功能?

但是,当时我的开发能力有限,因此,我一直没能实现。你知道吗,我的开发能力很大程度上受限于AI的编程能力,除了早些年学过一些数据可视化分析的开发代码之外,我对SwiftUI这些东西基本上是一窍不通的。

但是,最近这段时间疯狂的开发,我已经能够基本看懂这些代码了,虽然很多比较复杂的还是不大懂,基本上都是一知半解吧。再加上 Cursor,我感觉我能一个打十个。

现在很多人都在讨论,AI真的会抢走产品经理、程序员的饭碗吗?

我觉得,其实还好吧。

其实早在2023年10月份的时候,我就用GPT3.5和GPT4开发出了一个版本的“裁切大师”,那个版本,其实完整度已经不错了。

但是,很明显,对比现在我们使用的GPT4O、Cursor这些以及 Claude 3.5 Sonnet开发出来的版本,肯定是现在的功能更完备,更吸引人,因此,我们再来推演一下。

其实现在很多产品的成熟度和趣味性都比较差,但是,特别是独立开发者,他们的脑海中往往有一个非常完整、非常有趣的产品构想,因此,借助这些AI工具,我们可以越来越简单、更可行地把脑海中那个更完美的产品释放出来。

因此,其实我觉得这是AI跟人类共生的一个漫长的试验,还是非常有趣的。

我并不觉得AI会让我们都失业,相反,我会觉得真正有想法、有执行力的人,会很好地利用这一次的变革,把我们脑海中有趣的东西做出来。

并且最好的是可以得到对应的收入。

因此,后来我有了 Cursor 后,一下子我就想起了我们可以给“裁切大师”进行迭代,因此,这次我们用了一种比较巧妙的方式对APP进行了迭代。

它的原理是这样的:

首先,我们读取一张照片完整的样子,给它进行美学评分,然后,我们设定不同的照片裁剪比例,比如16:9,有我最喜欢的65:24,就是那种超宽的宽荧幕视角,还有一些比如1:1之类的,然后,我们也有一个缩放比例,就是说你的照片最大放大多少,还有一个步级,也就是说每一次放大它会放大10%还是20%,因此,这样子我们就构成了你一张照片可以潜在裁切出多少种组合。比方说,我原来的照片是16:9的,那么当我裁切成1:1的时候,假如我没有放大来进行裁切,那么它就是从左到右进行移动来进行不断的裁切,在每一次裁切,它都会给出一个美学评分,然后再根据你拿到的美学评分最高的照片进行保存。

然后,同时,我当时还做了一个小小的一个动作,不过可能很多人都没注意到,就是我现在的界面是分上下两个窗口,上半部分呢,就是实时保留、维持住最高得分的照片,下面呢,就是你正在裁剪的那个框框,这个动画看起来还是挺有意思的。

然后呢,当我们在上面预览的时候,我们可以双击这个照片,它就可以快速保存我们下面正在展示的这个画面,可能即便AI觉得这个画面不是特别好看,你也可以保存。

我自己在用这个APP的时候发现,很多时候你觉得自己拍的很强的照片,AI它并不会给你很高的评分,我觉得有一种可能是这个模型它进行了极大的压缩,所以它读取的分辨率其实并不是特别高。

我发现很多时候你裁切的画面都会太小了,我发现它对纯色的画面背景特别喜欢,但是,就像一个用户反馈的那样,他拍的是环境人像,但是AI会把人给裁切掉。

不好意思,还是有点搞笑。

因此,后来我就觉得可以针对每一个比例的组合,单独至少留一张照片给用户。这样子的话,并不会说裁完一轮之后,很多个比例,只留下一张APP觉得最好看的照片,而是会留下一堆APP觉得比较好看的照片。

也就是说,每一个缩放比例和长短比例结合的这个组合,都至少会有一张照片给用户进行选。

因此,用户就可以比较简单方便地一次性批量地为不同的平台,不同的需求来生成不一样的裁剪比例的好看照片。

这就是我开发“裁切大师”的大概过程。

未来,它还会变得更好。