143、双像素对焦（Dual Pixel AF）与深度学习AF：从像素级相位到场景理解

143、双像素对焦（Dual Pixel AF）与深度学习AF：从像素级相位到场景理解

去年夏天，我接手一个车载前视模组的案子，客户反馈在夜间隧道出口处，对焦反复抽风，画面在清晰与模糊之间来回跳变。拉log一看，相位检测值在±20个像素之间剧烈抖动，传统PDAF的置信度判断直接失效。更头疼的是，这个场景恰好是典型的“低照度+高动态范围”组合——隧道内暗、出口亮，传统对焦算法根本扛不住。那段时间我几乎把Sensor的HDR模式和AF逻辑翻了个底朝天，最后发现问题的根子不在算法，而在像素结构本身。这让我重新审视了双像素对焦（Dual Pixel AF）的底层原理，以及后来深度学习AF如何从另一个维度解决这类问题。

双像素对焦：每个像素都是半个相位检测器

双像素AF的核心思想，是把每个像素拆成左右两个半像素（或者上下，取决于设计）。这两个半像素共享同一个微透镜，但各自独立读出光信号。当光线从不同方向入射时，左右半像素接收到的光强会有差异——这个差异就是相位信息。传统PDAF需要在像素阵列中稀疏地插入专门的相位检测像素，而双像素方案让每个像素都具备相位检测能力，覆盖率从百分之几直接拉到100%。

这里有个关键点很多人容易忽略：双像素结构并不是简单的“把像素劈成两半”。真正的工程实现中，两个半像素之间需要做隔离，防止串扰。我见过某家Sensor厂商的早期方案，隔离层做薄了，导致左右半像素的响应曲线不对称，相位计算偏差大。后来他们加了一层深沟槽隔离（DTI），串扰从15%降到3%以下，对焦精度才上来。这里踩过坑：如果你在调试中发现某个光照角度下AF总是偏焦，先查一下Sensor的DTI工艺参数，别一上来就调算法。<