អ្វី​ដែល​ហាក់​ដូច​ជា​មិន​អាច​ទៅ​រួច​គឺ​ក្លាយ​ទៅ​ជា​ការ​ពិត។ ថ្មីៗនេះ យើងបានបង្ហោះអត្ថបទមួយនៅទីនេះនៅលើ iPhoto Channel អំពីគម្រោង metallenses ដែលជាបច្ចេកវិទ្យាបដិវត្តន៍ដែលអាចលុបបំបាត់កញ្ចក់កាមេរ៉ាបាន។ ទោះ​ជា​យ៉ាង​ណា វា​គ្រាន់​តែ​ជា​គំនិត​ដែល​ស្ថិត​ក្រោម​ការ​សិក្សា និង​ការ​អភិវឌ្ឍ​ប៉ុណ្ណោះ។ ប៉ុន្តែឥឡូវនេះ ក្រុមអ្នកស្រាវជ្រាវនៅ Tokyo Tech បានបង្កើត កាមេរ៉ាគ្មានកញ្ចក់ ថ្មីដែលប្រើ machine learning ហើយអាចចាប់យករូបភាពច្បាស់បានយ៉ាងរហ័ស និងត្រឹមត្រូវ។

“បើគ្មានដែនកំណត់នៃកែវថតទេ នោះ កាមេរ៉ាគ្មានកញ្ចក់អាចមានទំហំតូចបំផុត ដែលអាចបើកកម្មវិធីថ្មីដែលហួសពីការស្មានរបស់យើង” សាស្ត្រាចារ្យ Masahiro Yamaguchi នៃវិទ្យាស្ថានបច្ចេកវិទ្យាតូក្យូ ដែលជាសហអ្នកនិពន្ធគម្រោងស្រាវជ្រាវ។

គំរូកាមេរ៉ាគ្មានកញ្ចក់ដែលបង្កើតឡើងដោយអ្នកស្រាវជ្រាវ Tokyo Tech

គំនិតនៃកាមេរ៉ាគ្មានកញ្ចក់គឺមិនថ្មីទេ។ ការប៉ុនប៉ងមួយចំនួនត្រូវបានធ្វើឡើងរួចហើយចាប់តាំងពីឆ្នាំ 2013។ ប៉ុន្តែរហូតមកដល់ពេលនោះ គម្រោងនានាបានដំណើរការទៅដោយកង្វះភាពច្បាស់នៃរូបភាព និងការពន្យារពេលក្នុងដំណើរការរូបថត។ នោះក៏ព្រោះតែកាមេរ៉ាដែលគ្មានកែវថត មានរបាំងស្តើងនៅពីមុខឧបករណ៍ចាប់សញ្ញារូបភាព ដែលធ្វើការអ៊ិនកូដ និងបង្កើតឡើងវិញនូវឈុតឆាកតាមបែបគណិតវិទ្យា។

កាមេរ៉ាគ្មានកញ្ចក់ពីមុនបានប្រើវិធីសាស្រ្តដើម្បីគ្រប់គ្រងពន្លឺដែលប៉ះឧបករណ៍ចាប់សញ្ញារូបភាព និងធ្វើការវាស់វែងយ៉ាងស្មុគ្រស្មាញនៃរបៀបដែលពន្លឺមានអន្តរកម្មជាមួយរបាំងរាងកាយ និងឧបករណ៍ចាប់សញ្ញារូបភាព ដើម្បីបង្កើតរូបភាពឡើងវិញ។ បើគ្មានវិធីដើម្បីផ្ដោតពន្លឺទេ កាមេរ៉ាគ្មានកែវថតចាប់យករូបភាពមិនច្បាស់ ដែលត្រូវតែបង្កើតឡើងវិញទៅជារូបភាពច្បាស់ជាងមុនដោយប្រើក្បួនដោះស្រាយ។ សូមមើលវានៅក្នុងការអនុវត្តតាមរយៈរូបភាពខាងក្រោម៖

ដូចឈ្មោះរបស់វាបានបង្ហាញ កាមេរ៉ាគ្មានកញ្ចក់មិនប្រើកែវអុបទិកបែបបុរាណទេ។ ផ្ទុយទៅវិញ វារួមបញ្ចូលតែឧបករណ៍ចាប់សញ្ញា និងរបាំងមុខប៉ុណ្ណោះ។ មិនមានវិធីសម្រាប់កាមេរ៉ាដើម្បីផ្តោតពន្លឺទៅលើឧបករណ៍ចាប់សញ្ញារូបភាពនោះទេ ដូច្នេះរូបភាពលម្អិតត្រូវតែត្រូវបានបង្កើតឡើងវិញដោយប្រើលំនាំដែលបានអ៊ិនកូដ និងព័ត៌មានអំពីរបៀបដែលពន្លឺមានអន្តរកម្មជាមួយម៉ាស់ និងឧបករណ៍ចាប់សញ្ញារូបភាព។ Credit:Xiuxi Pan / Tokyo Institute of Technology

ដោយការយល់ដឹងពីរបៀបដែលពន្លឺធ្វើអន្តរកម្មជាមួយរបាំងស្តើងនៅពីមុខឧបករណ៍ចាប់សញ្ញារូបភាព ក្បួនដោះស្រាយអាចឌិកូដព័ត៌មានពន្លឺ និងបង្កើតឈុតដែលផ្តោតឡើងវិញ។ ទោះយ៉ាងណាក៏ដោយ ដំណើរការឌិកូដមានការលំបាកខ្លាំង ហើយធនធានដែលពឹងផ្អែកខ្លាំង។ បន្ថែមពីលើការចំណាយពេល ការបង្កើតគុណភាពរូបភាពល្អតម្រូវឱ្យមានគំរូរូបវន្តដ៏ល្អឥតខ្ចោះ។ ប្រសិនបើក្បួនដោះស្រាយផ្អែកលើការប៉ាន់ស្មានមិនត្រឹមត្រូវនៃរបៀបដែលពន្លឺធ្វើអន្តរកម្មជាមួយរបាំងមុខ និងឧបករណ៍ចាប់សញ្ញានោះ ប្រព័ន្ធកាមេរ៉ានឹងបរាជ័យ។

ជំនួសឱ្យការប្រើវិធីសាស្រ្តឌិកូដផ្អែកលើគំរូ ក្រុមការងារនៅ Tokyo Tech បានបង្កើតវិធីសាស្ត្រស្ថាបនាឡើងវិញ។ ជាមួយនឹងក្បួនដោះស្រាយថ្មីដែលប្រើការរៀនម៉ាស៊ីន។ វាត្រូវបានផ្អែកលើបច្ចេកទេសហៅថា VisionTransformer (ViT) និងការសន្យាធ្វើអោយប្រសើរឡើងនូវហេតុផលសកល។

នៅទីនេះ យើងអាចមើលឃើញកាមេរ៉ាថ្មីដោយគ្មានកញ្ចក់។ វារួមបញ្ចូលឧបករណ៍ចាប់សញ្ញារូបភាព និងរបាំងមុខ 2.5 មីលីម៉ែត្រពីឧបករណ៍ចាប់សញ្ញា។ របាំងនេះត្រូវបានសាងសង់ដោយការដាក់សារធាតុក្រូមីញ៉ូមនៅលើចានស៊ីលីកាសំយោគ។ វាមានទំហំ Aperture 40 × 40 μm។ ឥណទាន៖ Xiuxi Pan / វិទ្យាស្ថានបច្ចេកវិទ្យាតូក្យូ

វិធីសាស្រ្តថ្មី ដោយប្រើបណ្តាញសរសៃប្រសាទ និងឧបករណ៍បំប្លែងដែលបានតភ្ជាប់ សន្យាថានឹងមានលទ្ធផលប្រសើរជាងមុន។ ដូចគ្នានេះផងដែរ, កំហុសក្នុងការកសាងឡើងវិញត្រូវបានកាត់បន្ថយ ហើយពេលវេលាគណនាគឺខ្លីជាង។ ក្រុមការងារជឿជាក់ថា វិធីសាស្ត្រនេះអាចត្រូវបានប្រើសម្រាប់ការចាប់យករូបភាពដែលមានគុណភាពខ្ពស់ក្នុងពេលវេលាជាក់ស្តែង ដែលជាអ្វីដែលមិនអាចធ្វើទៅបានជាមួយកាមេរ៉ាគ្មានកញ្ចក់ពីមុន។ ប្រសិនបើរឿងនេះពិតជាមានការវិវត្តបន្ថែមទៀតនៅក្នុងប៉ុន្មានឆ្នាំខាងមុខនេះ យើងនឹងប្រឈមមុខនឹងបដិវត្តន៍ដ៏អស្ចារ្យបំផុតមួយនៅក្នុងដំណើរការចាប់យករូបភាពនៅក្នុងប្រវត្តិសាស្រ្តនៃការថតរូប។ យើងនឹងតាមដាន ហើយតែងតែនាំមកជូនអ្នកនូវព័ត៌មានអំពីកាមេរ៉ាដោយគ្មានកញ្ចក់។

សូម​មើល​ផង​ដែរ: ល្បិចគួរឱ្យស្អប់ខ្ពើមទាំង ១០ ដែលប្រើដើម្បីថតរូបអាហារ

សូមអានសេចក្តីសង្ខេបនៃការសិក្សាដែលបានបោះពុម្ពផ្សាយដោយអ្នកនិពន្ធនៃការស្រាវជ្រាវ Xuixi Pan, Xiao Chen, Saori Takeyama និង Masahiro Yamaguchi៖

កាមេរ៉ាគ្មានកញ្ចក់ដែលមានមូលដ្ឋានលើរបាំងមុខ អ៊ិនកូដកន្លែងកើតហេតុដោយប្រើរបាំងស្តើង ហើយបង្កើតរូបភាពឡើងវិញនៅពេលក្រោយ។ ការកែលម្អការបង្កើតរូបភាពឡើងវិញគឺជាបញ្ហាសំខាន់បំផុតមួយក្នុងការថតរូបដោយគ្មានកញ្ចក់។ វិធីសាស្រ្តស្ថាបនាឡើងវិញដោយផ្អែកលើគំរូសាមញ្ញ ដែលមានឥទ្ធិពលលើចំនេះដឹងនៃប្រព័ន្ធរូបវន្ត គឺងាយនឹងធ្វើគំរូមិនល្អឥតខ្ចោះនៃប្រព័ន្ធ។

សូម​មើល​ផង​ដែរ: រូបភាព ឬមួយពាន់ពាក្យ? ការផ្ទុះភ្នំភ្លើងក្លាយជាផ្ទៃខាងក្រោយសម្រាប់រូបថតអាពាហ៍ពិពាហ៍

ការកសាងឡើងវិញជាមួយនឹងបណ្តាញសរសៃប្រសាទជ្រៅដែលជំរុញដោយទិន្នន័យសុទ្ធ (DNN) ជៀសវាងការកំណត់នេះ ដូច្នេះមានសក្តានុពលក្នុងការផ្តល់នូវគុណភាពនៃការសាងសង់ឡើងវិញកាន់តែប្រសើរ។ ទោះជាយ៉ាងណាក៏ដោយ វិធីសាស្រ្តបង្កើតឡើងវិញនៃ DNN សុទ្ធដែលមានស្រាប់សម្រាប់រូបភាពដែលគ្មានកញ្ចក់មិនផ្តល់លទ្ធផលប្រសើរជាងវិធីសាស្រ្តផ្អែកលើគំរូនោះទេ។

យើង​បង្ហាញ​ថា​លក្ខណៈ​ពហុគុណ​ក្នុង​អុបទិក​គ្មាន​កញ្ចក់​ធ្វើ​ឱ្យ​លក្ខណៈ​សកល​មាន​សារៈ​សំខាន់​ក្នុង​ការ​យល់​ដឹង​អំពី​លំនាំ​អ៊ិនកូដ​អុបទិក។ លើសពីនេះ វិធីសាស្រ្តកសាងឡើងវិញ DNN ដែលមានស្រាប់ទាំងអស់អនុវត្តបណ្តាញបំប្លែងពេញលេញ (FCNs) ដែលមិនមានប្រសិទ្ធភាពក្នុងការវែកញែកអំពីលក្ខណៈសកល។

ជាមួយនឹងការវិភាគនេះ ជាលើកដំបូងតាមដែលយើងដឹង បណ្តាញសរសៃប្រសាទដែលបានតភ្ជាប់យ៉ាងពេញលេញជាមួយនឹង transformer សម្រាប់ការបង្កើតរូបភាពឡើងវិញត្រូវបានស្នើឡើង។ ស្ថាបត្យកម្មដែលបានស្នើឡើងគឺប្រសើរជាងក្នុងការវែកញែកធនធានសកល ហើយដូច្នេះធ្វើអោយប្រសើរឡើងនូវការកសាងឡើងវិញ។ ឧត្តមភាពនៃស្ថាបត្យកម្មដែលបានស្នើឡើងត្រូវបានផ្ទៀងផ្ទាត់ដោយការប្រៀបធៀបវាជាមួយនឹងវិធីសាស្រ្តផ្អែកលើគំរូ និង FCN ក្នុងការពិសោធន៍អុបទិក។ ដូច្នេះហើយ ធ្វើអោយប្រសើរឡើងនូវការកសាងឡើងវិញ។

ឧត្តមភាពនៃស្ថាបត្យកម្មដែលបានស្នើឡើងត្រូវបានផ្ទៀងផ្ទាត់ដោយការប្រៀបធៀបវិធីសាស្រ្តផ្អែកលើគំរូ និង FCN ក្នុងការពិសោធន៍អុបទិក។ វា​គឺ​ជា​ការ,ដូច្នេះវាធ្វើអោយប្រសើរឡើងនូវការកសាងឡើងវិញ។ ឧត្តមភាពនៃស្ថាបត្យកម្មដែលបានស្នើឡើងត្រូវបានផ្ទៀងផ្ទាត់ដោយការប្រៀបធៀបវាជាមួយនឹងវិធីសាស្រ្តផ្អែកលើគំរូ និង FCN ក្នុងការពិសោធន៍អុបទិក។