જે અશક્ય લાગતું હતું તે વાસ્તવિકતામાં ફેરવાઈ રહ્યું છે. અમે તાજેતરમાં iPhoto ચેનલ પર મેટલલેન્સ પ્રોજેક્ટ વિશે એક લેખ પોસ્ટ કર્યો છે, એક ક્રાંતિકારી તકનીક જે કેમેરા લેન્સને દૂર કરી શકે છે. જો કે, તે માત્ર અભ્યાસ અને વિકાસ હેઠળનો ખ્યાલ હતો. પરંતુ હવે, ટોક્યો ટેકના સંશોધકોના જૂથે એક નવો લેન્સલેસ કૅમેરો બનાવ્યો છે જે મશીન લર્નિંગનો ઉપયોગ કરે છે અને ઝડપથી અને સચોટ રીતે તીક્ષ્ણ ફોટા લઈ શકે છે.

“લેન્સની મર્યાદાઓ વિના, લેન્સલેસ કેમેરો અલ્ટ્રા-લઘુચિત્ર હોઈ શકે છે, જે નવી એપ્લીકેશનને સક્ષમ કરી શકે છે જે અમારી કલ્પનાની બહાર છે," ટોક્યો ઇન્સ્ટિટ્યૂટ ઓફ ટેક્નોલોજીના પ્રોફેસર માસાહિરો યામાગુચીએ જણાવ્યું હતું, સંશોધન પ્રોજેક્ટના સહ-લેખક.

ટોક્યો ટેકના સંશોધકો દ્વારા બનાવવામાં આવેલ લેન્સલેસ કેમેરા પ્રોટોટાઇપ

લેન્સલેસ કેમેરાનો વિચાર નવો નથી. 2013 થી કેટલાક પ્રયાસો પહેલાથી જ કરવામાં આવ્યા છે. પરંતુ ત્યાં સુધી, પ્રોજેક્ટ છબીઓની તીક્ષ્ણતાના અભાવ અને ફોટાઓની પ્રક્રિયામાં વિલંબને કારણે ચાલ્યા ગયા. તે એટલા માટે કારણ કે લેન્સ વિનાના કેમેરામાં ઇમેજ સેન્સરની સામે માત્ર એક પાતળો માસ્ક હોય છે જે દ્રશ્યોને એન્કોડ કરે છે અને ગાણિતિક રીતે પુનઃનિર્માણ કરે છે.

અગાઉના લેન્સલેસ કેમેરા ઇમેજ સેન્સરને અથડાતા પ્રકાશને નિયંત્રિત કરવા અને ભૌતિક માસ્ક અને પ્રકાશ સાથે કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તેના અત્યાધુનિક માપન માટે પદ્ધતિઓનો ઉપયોગ કરતાઇમેજ સેન્સર પછી ઇમેજનું પુનઃનિર્માણ કરવા માટે. પ્રકાશ પર ધ્યાન કેન્દ્રિત કરવાની રીત વિના, લેન્સલેસ કૅમેરો એક અસ્પષ્ટ છબીને કૅપ્ચર કરે છે, જેને અલ્ગોરિધમનો ઉપયોગ કરીને વધુ તીવ્ર ઇમેજમાં પુનઃનિર્માણ કરવું આવશ્યક છે. આને નીચે આપેલા ચિત્ર દ્વારા વ્યવહારમાં જુઓ:

આ પણ જુઓ: ત્રિપોલી: "જે મને આકર્ષિત કરે છે તે લાગણી છે"તેના નામ પ્રમાણે, લેન્સલેસ કેમેરા પરંપરાગત ઓપ્ટિકલ લેન્સનો ઉપયોગ કરતું નથી. તેના બદલે, તેમાં ફક્ત સેન્સર અને માસ્ક શામેલ છે. કેમેરા માટે ઇમેજ સેન્સર પર પ્રકાશ ફોકસ કરવાનો કોઈ રસ્તો નથી, તેથી એક વિગતવાર ઇમેજને એન્કોડેડ પેટર્ન અને માસ્ક અને ઇમેજ સેન્સર સાથે પ્રકાશ કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તેની માહિતીનો ઉપયોગ કરીને પુનઃનિર્માણ કરવું આવશ્યક છે. ક્રેડિટ:Xiuxi Pan / Tokyo Institute of Technology

ઇમેજ સેન્સરની સામે પાતળા માસ્ક સાથે પ્રકાશ કેવી રીતે ક્રિયાપ્રતિક્રિયા કરે છે તે સમજવાથી, અલ્ગોરિધમ પ્રકાશની માહિતીને ડીકોડ કરી શકે છે અને કેન્દ્રિત દ્રશ્યનું પુનઃનિર્માણ કરી શકે છે. જો કે, ડીકોડિંગ પ્રક્રિયા અત્યંત પડકારજનક અને સંસાધન સઘન છે. સમય કાઢવા ઉપરાંત, સારી ઇમેજ ક્વોલિટી જનરેટ કરવા માટે એક સંપૂર્ણ ભૌતિક મોડેલની જરૂર છે. જો કોઈ અલ્ગોરિધમ પ્રકાશ કેવી રીતે માસ્ક અને સેન્સર સાથે ક્રિયાપ્રતિક્રિયા કરે છે તેના અચોક્કસ અંદાજ પર આધારિત હોય, તો કેમેરા સિસ્ટમ નિષ્ફળ જશે.

મોડેલ-આધારિત ડીકોડિંગ અભિગમનો ઉપયોગ કરવાને બદલે, ટોક્યો ટેકની ટીમે પુનઃનિર્માણ પદ્ધતિ વિકસાવી મશીન લર્નિંગનો ઉપયોગ કરતા નવા અલ્ગોરિધમ સાથે. તે વિઝન નામની તકનીક પર આધારિત છેટ્રાન્સફોર્મર (ViT) અને સુધારેલ વૈશ્વિક તર્કનું વચન આપે છે.

આ પણ જુઓ: આ $1 મિલિયન બટેટાઅહીં આપણે નવા કેમેરાને લેન્સ વિના જોઈ શકીએ છીએ. તેમાં ઇમેજ સેન્સર અને સેન્સરથી 2.5 મીમીનો માસ્ક શામેલ છે. કૃત્રિમ સિલિકા પ્લેટ પર ક્રોમિયમ પ્લેટિંગ કરીને માસ્ક બનાવવામાં આવે છે. તે 40×40 μm નું છિદ્ર કદ ધરાવે છે. ક્રેડિટ: Xiuxi Pan / Tokyo Institute of Technology

નવી પદ્ધતિ, ન્યુરલ નેટવર્ક્સ અને કનેક્ટેડ ટ્રાન્સફોર્મરનો ઉપયોગ કરીને, વધુ સારા પરિણામોનું વચન આપે છે. ઉપરાંત, પુનઃનિર્માણની ભૂલો ઓછી થાય છે અને ગણતરીનો સમય ઓછો હોય છે. ટીમ માને છે કે પદ્ધતિનો ઉપયોગ ઉચ્ચ-ગુણવત્તાવાળી છબીઓના રીઅલ-ટાઇમ કેપ્ચર માટે કરી શકાય છે, જે અગાઉના લેન્સલેસ કેમેરા સાથે શક્ય ન હતું. જો આગામી વર્ષોમાં આ ખરેખર વધુ વિકસિત થાય છે, તો આપણે ફોટોગ્રાફીના ઇતિહાસમાં ઇમેજ કેપ્ચર પ્રક્રિયામાં સૌથી મોટી ક્રાંતિનો સામનો કરીશું. અમે તમારા માટે લેન્સ વિનાના કેમેરાના સમાચારને અનુસરી રહ્યા છીએ અને હંમેશા લાવતા રહીશું.

સંશોધનના લેખકો Xuixi Pan, Xiao Chen, Saori Takeyama અને Masahiro Yamaguchi દ્વારા પ્રકાશિત અભ્યાસનો સારાંશ નીચે વાંચો:

માસ્ક-આધારિત લેન્સલેસ કેમેરો ઓપ્ટીકલી પાતળા માસ્ક વડે દ્રશ્યને એન્કોડ કરે છે અને પછીથી ઇમેજનું પુનઃનિર્માણ કરે છે. લેન્સલેસ ઇમેજિંગમાં ઇમેજ રિકન્સ્ટ્રક્શનમાં સુધારો કરવો એ સૌથી મહત્વપૂર્ણ મુદ્દાઓમાંની એક છે. પરંપરાગત મોડલ-આધારિત પુનઃનિર્માણ અભિગમ, જે લાભ મેળવે છેભૌતિક સિસ્ટમનું જ્ઞાન, સિસ્ટમના અપૂર્ણ મોડેલિંગ માટે સંવેદનશીલ હોય છે.

શુદ્ધ ડેટા-સંચાલિત ડીપ ન્યુરલ નેટવર્ક (DNN) સાથે પુનઃનિર્માણ આ મર્યાદાને ટાળે છે, આમ વધુ સારી પુનઃનિર્માણ ગુણવત્તા પ્રદાન કરવાની ક્ષમતા ધરાવે છે. જો કે, લેન્સલેસ ઈમેજો માટે હાલના શુદ્ધ DNN પુનઃનિર્માણ અભિગમો મોડલ-આધારિત અભિગમો કરતાં વધુ સારા પરિણામ આપતા નથી.

અમે જાહેર કરીએ છીએ કે લેન્સલેસ ઓપ્ટિક્સમાં મલ્ટીપ્લેક્સીંગ પ્રોપર્ટી ઓપ્ટીકલી એન્કોડેડ પેટર્નને સમજવા માટે વૈશ્વિક સુવિધાઓને આવશ્યક બનાવે છે. વધુમાં, તમામ હાલના DNN પુનઃનિર્માણ અભિગમો સંપૂર્ણપણે કન્વોલ્યુશનલ નેટવર્ક્સ (FCNs) લાગુ કરે છે જે વૈશ્વિક સુવિધાઓના તર્કમાં કાર્યક્ષમ નથી.

આ વિશ્લેષણ સાથે, જ્યાં સુધી આપણે જાણીએ છીએ ત્યાં સુધી પ્રથમ વખત, ઇમેજ પુનઃનિર્માણ માટે ટ્રાન્સફોર્મર સાથે સંપૂર્ણ રીતે જોડાયેલ ન્યુરલ નેટવર્ક પ્રસ્તાવિત છે. સૂચિત આર્કિટેક્ચર વૈશ્વિક સંસાધનોના તર્ક માટે વધુ સારું છે અને તેથી પુનઃનિર્માણમાં સુધારો કરે છે. સૂચિત આર્કિટેક્ચરની શ્રેષ્ઠતાને ઓપ્ટિકલ પ્રયોગમાં મોડેલ-આધારિત અને FCN-આધારિત અભિગમો સાથે સરખામણી કરીને ચકાસવામાં આવે છે. અને તેથી પુનર્નિર્માણ સુધારે છે.

ઓપ્ટિકલ પ્રયોગમાં મોડેલ-આધારિત અને FCN-આધારિત અભિગમોની તુલના કરીને પ્રસ્તાવિત આર્કિટેક્ચરની શ્રેષ્ઠતા ચકાસવામાં આવે છે. તે છે,તેથી, તે પુનર્નિર્માણમાં સુધારો કરે છે. સૂચિત આર્કિટેક્ચરની શ્રેષ્ઠતા ઓપ્ટિકલ પ્રયોગમાં મોડેલ-આધારિત અને FCN-આધારિત અભિગમો સાથે સરખામણી કરીને ચકાસવામાં આવે છે.