To, co se zdálo být nemožné, se nyní stává skutečností. Nedávno jsme zde na iPhoto Channel zveřejnili článek o projektu metalentes, revoluční technologii, která dokáže z fotoaparátů odstranit čočky, ale jednalo se pouze o koncept ve fázi studia a vývoje. Nyní však skupina výzkumníků z tokijské techniky vytvořila nový fotoaparát bez objektivu který využívá strojové učení a dokáže rychle a přesně zachytit ostré fotografie.

"Bez omezení objektivu by kamera bez objektivu mohla být ultra-miniaturní, což by mohlo umožnit nové aplikace, které jsou za hranicí naší představivosti," řekl profesor Masahiro Yamaguchi z Tokijského technologického institutu, spoluautor výzkumného projektu.

Prototyp fotoaparátu bez objektivu vytvořený výzkumníky z Tokijské techniky

Myšlenka fotoaparátu bez objektivu není nová - od roku 2013 bylo učiněno několik pokusů, ale dosud tyto projekty narážely na špatnou ostrost obrazu a pomalé zpracování fotografií, protože fotoaparát bez objektivu má před obrazovým snímačem pouze tenkou masku, která kóduje a matematicky rekonstruuje scény.

Dřívější bezčočkové kamery používaly metody kontroly světla dopadajícího na obrazový snímač a prováděly sofistikovaná měření interakce světla s fyzickou maskou a obrazovým snímačem, aby bylo možné rekonstruovat obraz. Bez způsobu zaostření světla zachytí bezčočková kamera rozmazaný obraz, který musí být pomocí algoritmu rekonstruován do ostřejšího obrazu. Viz.procvičujte podle obrázku níže:

Jak už název napovídá, kamera bez objektivu nepoužívá tradiční optický objektiv, ale pouze snímač a masku. Kamera nemá možnost zaostřit světlo na snímač, takže detailní obraz musí být rekonstruován pomocí zakódovaného vzoru a informací o tom, jak světlo interaguje s maskou a snímačem. Kredit: Xiuxi Pan / Tokijský technologický institut

Pochopením toho, jak světlo interaguje s tenkou maskou před obrazovým snímačem, může algoritmus dekódovat světelné informace a rekonstruovat zaostřenou scénu. Proces dekódování je však nesmírně náročný a náročný na zdroje. Kromě toho, že je časově náročný, vyžaduje generování dobré kvality obrazu dokonalý fyzikální model. Pokud je algoritmus založen na aproximaci.nepřesnost interakce světla s maskou a snímačem, kamerový systém selže.

Namísto přístupu založeného na dekódování pomocí modelu vyvinul tým Tokijské techniky metodu rekonstrukce s novým algoritmem, který využívá strojové učení. Je založen na technice zvané Vision Transformer (ViT) a slibuje lepší globální uvažování.

Zde vidíme novou kameru bez objektivu. Obsahuje obrazový snímač a masku vzdálenou 2,5 mm od snímače. Maska je zkonstruována nanášením chromu na desku ze syntetického křemíku. Má velikost apertury 40 × 40 μm. Kredit: Xiuxi Pan / Tokyo Institute of Technology

Nová metoda, využívající neuronové sítě a připojený transformátor, slibuje lepší výsledky. Kromě toho se snižují chyby rekonstrukce a zkracuje se doba výpočtu. Tým věří, že metoda může být použita pro pořizování vysoce kvalitních snímků v reálném čase, což u předchozích kamer bez objektivu nebylo možné. Pokud se tato metoda skutečně bude dále vyvíjet vV příštích několika letech nás čeká jedna z největších revolucí v procesu pořizování snímků v historii fotografie.

Viz_také: Žena dělá fotoreportáž psa a během focení se stane něco neuvěřitelného

Níže si přečtěte shrnutí studie, kterou zveřejnili autoři výzkumu Xuixi Pan, Xiao Chen, Saori Takeyama a Masahiro Yamaguchi:

Kamera bez objektivu založená na masce opticky kóduje scénu pomocí tenké masky a následně rekonstruuje obraz. Zlepšení rekonstrukce obrazu je jednou z nejdůležitějších otázek v bezobjektivovém zobrazování. Konvenční přístupy rekonstrukce založené na modelu, které využívají znalosti fyzikálního systému, jsou náchylné k nedokonalému modelování systému.

Rekonstrukce pomocí čistě datově řízené hluboké neuronové sítě (DNN) se tomuto omezení vyhýbá, a má tak potenciál poskytnout lepší kvalitu rekonstrukce. Stávající přístupy rekonstrukce pomocí čistě DNN pro snímky bez čočky však neposkytují lepší výsledky než přístupy založené na modelu.

Odhalujeme, že vlastnost multiplexování v bezčočkové optice činí globální rysy nezbytnými pro pochopení opticky kódovaného vzoru. Všechny stávající přístupy rekonstrukce DNN navíc používají plně konvoluční sítě (FCN), které nejsou efektivní při uvažování globálních rysů.

Viz_také: Jak vyhrát fotografickou soutěž?

Díky této analýze je poprvé, co je nám známo, navržena plně propojená neuronová síť s transformátorem pro rekonstrukci obrazu.Navržená architektura je lepší v globální úvaze o příznacích, a proto zlepšuje rekonstrukci.Výhodnost navržené architektury je ověřena porovnáním s přístupy založenými na modelu a FCN v experimentu.optické, a proto zlepšuje rekonstrukci.

Výhodnost navržené architektury je ověřena porovnáním s přístupy založenými na modelu a FCN v optickém experimentu, a proto zlepšuje rekonstrukci. Výhodnost navržené architektury je ověřena porovnáním s přístupy založenými na modelu a FCN v optickém experimentu.