CMOS影像感測器的元視覺：超越人眼看世界

大約在5億4千萬年前，一場史稱「寒武紀大爆發」(Cambrian explosion)的生物快速演化，導致許多物種出現多樣性。造成這種多樣性的理由之一，是各種感知器官的發展，而「眼睛」的出現則是這個過程中最重要的事件。 類似的現象也出現在我們所使用的電子裝置上。隨著數位化進程持續，攝影機在行動裝置中扮演著眼睛的角色，而CMOS影像感測器(CMOS image sensor；CIS)則能夠像視網膜般地擷取影像。 透過CIS技術，我們能輕鬆地處理、重現並儲存巨量的影像資訊。因此，行動裝置必須處理大量的資料，並再次驅使應用處理器(AP)或扮演大腦角色的記憶體，在其處理容量與效能出現爆炸式的增加。此外，攝影機因使用者的觀點而取得更多的重要性，導致行動裝置出現多樣性。 寒武紀時期期間所發生的變化，已透過電子裝置而反映在我們的日常生活中。而最近開啟「零接觸」時代的新冠肺炎(COVID-19)疫情，更加快了這一多樣性的發生速度，並導致電子裝置爆炸式成長。疫情預計不久之後將會落幕，但這股潮流將會持續下去。

如人眼般的視覺

CIS的最重要角色是精準重現我們透過眼睛所看到的世界。我們期望它能達到類似人眼的解析度，而且不管在黑暗或明亮的環境中都必須一目瞭然，同時還要能辨識高速移動的物體。 圖1展示CIS的基本畫素(PX)結構及其運作特性。物體反射出來的光線穿過光學系統，並進入光電二極體，而當光線的光子能量超過半導體的能隙能量時，會造成e-/h+配對。累積和讀取此訊號使得2D影像能依據光的強度而成形。矽的能隙能量為1.1eV，而此能量可能涵蓋人眼的整個可見光譜。

圖1：CIS的基本畫素結構和運作特性。

要在黑暗中看得清楚，需要放大來自少量光線的訊號，同時儘可能地抑制非光訊號(雜訊)。此外，要在明亮環境條件下視物，必須接收大量的光並妥為區別。藉由諸如訊號雜訊比(SNR)和動態範圍(DR)等指標，則可將這些特性加以量化。 在低光SNR方面，業界已針對放大訊號和減少有害雜訊而做出許多努力了。現在，我們正持續改善這些特性到5勒克斯(lux)的程度——5lux是相當暗的環境。而說到DR，儘管人眼的場景內(intra-scene)和場景間(inter-scene) DR通常分別為120dB和180dB，但目前智慧型手機的場景內和場景間DR分別是70dB和120dB且正持續改進中。 影響這些特性的最重要成因是畫素尺寸與解析度。對於較高的CIS解析度，畫素尺寸必須小一點。為了在具有相同解析度的較小範圍內運用CIS，畫素尺寸也必須更小。其關鍵要素在於儘管畫素尺寸變小，上列特性都得維持在相同的程度。

圖2：針對CIS設計，SNR和動態範圍等特性至關重要。

畫素尺寸和解析度的競賽將持續多久？人眼的解析度在靜態影像中心附近是576百萬畫素(MP)，而在動態影像上約為8MP。為了達到這樣的程度，CIS一直在不斷進化中。這種發展速度在1.12μm畫素尺寸和1 3MP解析度左右開始稍微放慢了腳步，但合併2x2畫素與相同的彩色濾光片之「畫素四合一」(Quad)技術導入，再次加快了將畫素尺寸迅速縮小到0.7μm的範圍，並將解析度縮小到64MP的速度。 現在，藉由Nona (3×3)和QxQ (4×4)技術，畫素尺寸已持續進化到0.6X-μm的範圍。接著，畫素微縮的技術使得最近得以釋出108MP解析度的感測器，同時，大家也愈發期待不久後200MP畫素的相機解析度即將問世。 業界目前已經大幅迎頭趕上了。影片不需要高解析度，這就是為何積極採用上述畫素合併(pixel-binding)技術的原因。藉此技術，攝影機如今能以每秒60格(60fps)的速率支援4K (4,000×2,000：8MP)影片錄製而不中斷。畫素合併技術讓攝影機能夠維持影片中較大畫素的特性，實現超低光靈敏度以及動態範圍。未來，在影片錄製方面預期還會為消費者帶來超低光、動態範圍延伸技術以及快速自動對焦等加值功能。

圖3：低光SNR與動態範圍延伸等特性在影片錄製應用中扮演決定性角色。

面積持續微縮以及縮小畫素尺寸，是所有半導體元件的宿命。為了在較小面積上維持相同特性，業界一直在元件和製程方面投入大量心血。這類技術包括摻雜最佳化(doping optimization)和垂直傳輸閘(vertical transfer gate)，可提升電荷滿載量(FWC)，同時維持充電傳輸效能、源極隨耦器設計與各種設計技術以減少雜訊。接著還有彩色濾光片隔離與深槽隔離技術，可將相鄰畫素之間的干擾最小化。最後，工程師們還可以使用較厚的epi層來強化畫素靈敏度，或運用各種彩色濾光片相關技術。 就觀看影像方面而言，透過上述技術，半導體如今幾乎等同於生物眼睛在運作了。然而，在能源效益方面則依舊存在改進的空間。我們正見證著順應低功耗技術發展的潮流，例如在需要時從以最小電量運轉的待機模式——即所謂的常時啟動(always-on)模式轉為啟動，或是透過壓縮感知法來最佳化功耗。

圖4：CIS設計在畫素微縮技術上演進。

超越人眼之外

CIS正進一步擴展其應用範圍，深度感測(depth sensing)技術就是其中一大代表作。人眼能以雙眼視差來感測距離，而在早期，開發CIS是為了運用使用兩台攝影機的相同方法。然而，由於精確度、距離擴充度和兩台相機之間最短距離要求等限制，現在努力的方向已有所不同。 其方法名為飛時測距(time of flight；ToF)，主要根據被物體反射後返回光線的時間差來測量距離。ToF可以分為兩類：直接式(dToF)和間接式(iToF)。兩種方法都有衍生自運作原理的優缺點。 根據其類比電荷累積(analog charge accumulation)運作原理，iToF感測受限於長距離傳輸訊號減弱所導致的可測量距離範圍。另一方面，dToF感測則限於解析度，因為即使是只偵測一個單光子崩潰二極體(SPAD)，電池尺寸也有難度，還有必須在每個電池中堆疊讀取電路。因有這些優缺點，所以按其可實現並發揮最大效應的優點，而分別將此兩種方法用於特定應用中。

圖5：ToF感測器運作原理和應用領域。

圖6：SK Hynix的第一個ToF感測器，可提供IR與深度影像資料。

圖7：iToF與dToF的演進。

CIS技術藉由擴展應用領域，仍在找尋各種方法為豐富人類生活作出貢獻，同時根據光的寬頻譜而發揮紫外線、紅外線(IR)、近紅外線(NIR)與短波紅外線(SWIR)的最大效益。這些波長將採用各種替代性材料，例如鍺(Ge)、砷化銦鎵(InGaAs)和磷化銦(InP)，帶來取代矽缺點的機會。此外，多光譜和高光譜影像或偏振感測器亦已開始有所貢獻。

圖8：CIS的用途擴展至多種應用。

人工智慧(AI)跨越多個產業而受到廣泛採用，也為深度感測領域帶來諸多好處。現在，CIS正將應用範圍擴展到物體辨識和安全方面。然而，攝影機的出現在社會的許多方面皆導致對隱私保護的憂慮。其關鍵在於需確保安全無虞地將資料傳輸至伺服器，同時避免其他資料被暴露。所以，AI功能將移植至邊緣裝置，讓我們能夠達成減少物聯網(IoT)裝置之間資料傳輸與節省功耗的目標。紅外線資料的使用和事件驅動感測器的興起亦符合此趨勢方向。 伴隨著這些新興應用，一系列的新技術正嶄露頭角。這包括新的穿戴裝置發展，例如頭戴式顯示器(HMD)和擴增實境/虛擬實境(AR/VR)眼鏡，以及用於自動駕駛車、機器人與無人機應用的各種感測器。 (參考原文：Metavision of CMOS image sensors: The eye beyond the eye，by Kangbong Seo) 本文同步刊登於EDN Taiwan 2022年8月號雜誌