അസാധ്യമെന്ന് തോന്നിയത് യാഥാർത്ഥ്യത്തിലേക്ക് മാറുകയാണ്. ക്യാമറ ലെൻസുകൾ ഇല്ലാതാക്കാൻ കഴിയുന്ന വിപ്ലവകരമായ സാങ്കേതികവിദ്യയായ മെറ്റലൻസ് പ്രോജക്റ്റിനെക്കുറിച്ച് ഞങ്ങൾ അടുത്തിടെ iPhoto ചാനലിൽ ഒരു ലേഖനം ഇവിടെ പോസ്റ്റ് ചെയ്തു. എന്നിരുന്നാലും, ഇത് പഠനത്തിലും വികസനത്തിലും ഉള്ള ഒരു ആശയം മാത്രമായിരുന്നു. എന്നാൽ ഇപ്പോൾ, ടോക്കിയോ ടെക്കിലെ ഒരു കൂട്ടം ഗവേഷകർ ഒരു പുതിയ ലെൻസ്‌ലെസ് ക്യാമറ സൃഷ്‌ടിച്ചിരിക്കുന്നു, അത് മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുകയും മൂർച്ചയുള്ള ഫോട്ടോകൾ വേഗത്തിലും കൃത്യമായും പകർത്തുകയും ചെയ്യുന്നു.

“ലെൻസിന്റെ പരിമിതികളില്ലാതെ, ലെൻസ്‌ലെസ്സ് ക്യാമറ അൾട്രാ മിനിയേച്ചർ ആയിരിക്കാം, അത് നമ്മുടെ ഭാവനയ്‌ക്കപ്പുറമുള്ള പുതിയ ആപ്ലിക്കേഷനുകൾ പ്രാപ്‌തമാക്കും," ഗവേഷണ പദ്ധതിയുടെ സഹ-രചയിതാവായ ടോക്കിയോ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഓഫ് ടെക്‌നോളജിയിലെ പ്രൊഫസർ മസാഹിറോ യമാഗുച്ചി പറഞ്ഞു.

ടോക്കിയോ ടെക് ഗവേഷകർ സൃഷ്ടിച്ച ലെൻസ്‌ലെസ് ക്യാമറ പ്രോട്ടോടൈപ്പ്

ലെൻസ്‌ലെസ് ക്യാമറ എന്ന ആശയം പുതിയതല്ല. 2013 മുതൽ ഇതിനോടകം ചില ശ്രമങ്ങൾ നടന്നിട്ടുണ്ട്. എന്നാൽ അതുവരെ, ചിത്രങ്ങളുടെ മൂർച്ചയില്ലാത്തതും ഫോട്ടോകൾ പ്രോസസ്സ് ചെയ്യുന്നതിലെ കാലതാമസവും പ്രോജക്ടുകൾ കടന്നുപോയി. കാരണം, ലെൻസില്ലാത്ത ക്യാമറയ്ക്ക് ദൃശ്യങ്ങൾ എൻകോഡ് ചെയ്യുകയും ഗണിതശാസ്ത്രപരമായി പുനർനിർമ്മിക്കുകയും ചെയ്യുന്ന ഒരു ഇമേജ് സെൻസറിന് മുന്നിൽ ഒരു നേർത്ത മാസ്ക് മാത്രമേ ഉള്ളൂ.

മുൻപ് ലെൻസ്‌ലെസ് ക്യാമറകൾ ഇമേജ് സെൻസറിൽ തട്ടുന്ന പ്രകാശത്തെ നിയന്ത്രിക്കാനും ഫിസിക്കൽ മാസ്‌കുമായി പ്രകാശം എങ്ങനെ ഇടപഴകുന്നു എന്നതിന്റെ സങ്കീർണ്ണമായ അളവുകൾ നടത്താനും രീതികൾ ഉപയോഗിച്ചിരുന്നു.ഒരു ഇമേജ് പുനർനിർമ്മിക്കുന്നതിന് ഇമേജ് സെൻസർ. ലൈറ്റ് ഫോക്കസ് ചെയ്യാനുള്ള വഴിയില്ലാതെ, ഒരു ലെൻസ്ലെസ്സ് ക്യാമറ ഒരു ബ്ലറി ഇമേജ് ക്യാപ്‌ചർ ചെയ്യുന്നു, അത് അൽഗോരിതം ഉപയോഗിച്ച് മൂർച്ചയുള്ള ചിത്രമാക്കി പുനർനിർമ്മിക്കണം. ചുവടെയുള്ള ചിത്രീകരണത്തിലൂടെ ഇത് പ്രായോഗികമായി കാണുക:

അതിന്റെ പേര് സൂചിപ്പിക്കുന്നത് പോലെ, ലെൻസ്ലെസ്സ് ക്യാമറ പരമ്പരാഗത ഒപ്റ്റിക്കൽ ലെൻസ് ഉപയോഗിക്കുന്നില്ല. പകരം, അതിൽ ഒരു സെൻസറും മാസ്കും മാത്രമേ ഉൾപ്പെടുന്നുള്ളൂ. ഇമേജ് സെൻസറിലേക്ക് പ്രകാശം ഫോക്കസ് ചെയ്യാൻ ക്യാമറയ്ക്ക് ഒരു മാർഗവുമില്ല, അതിനാൽ ഒരു എൻകോഡ് ചെയ്ത പാറ്റേണും മാസ്കും ഇമേജ് സെൻസറും ഉപയോഗിച്ച് പ്രകാശം എങ്ങനെ ഇടപെടുന്നു എന്നതിനെക്കുറിച്ചുള്ള വിവരങ്ങളും ഉപയോഗിച്ച് വിശദമായ ചിത്രം പുനർനിർമ്മിക്കണം. കടപ്പാട്:Xiuxi Pan / Tokyo Institute of Technology

ഇമേജ് സെൻസറിന് മുന്നിലുള്ള നേർത്ത മാസ്‌കുമായി പ്രകാശം എങ്ങനെ ഇടപഴകുന്നുവെന്ന് മനസിലാക്കുന്നതിലൂടെ, ഒരു അൽഗോരിതത്തിന് പ്രകാശ വിവരങ്ങൾ ഡീകോഡ് ചെയ്യാനും ഫോക്കസ് ചെയ്‌ത രംഗം പുനർനിർമ്മിക്കാനും കഴിയും. എന്നിരുന്നാലും, ഡീകോഡിംഗ് പ്രക്രിയ അങ്ങേയറ്റം വെല്ലുവിളി നിറഞ്ഞതും വിഭവശേഷിയുള്ളതുമാണ്. സമയമെടുക്കുന്നതിനു പുറമേ, നല്ല ഇമേജ് നിലവാരം സൃഷ്ടിക്കുന്നതിന് ഒരു മികച്ച ഫിസിക്കൽ മോഡൽ ആവശ്യമാണ്. മാസ്‌കും സെൻസറുമായി പ്രകാശം എങ്ങനെ ഇടപഴകുന്നു എന്നതിന്റെ കൃത്യതയില്ലാത്ത ഏകദേശത്തെ അടിസ്ഥാനമാക്കിയാണ് ഒരു അൽഗൊരിതമെങ്കിൽ, ക്യാമറ സിസ്റ്റം പരാജയപ്പെടും.

ഒരു മോഡൽ അധിഷ്‌ഠിത ഡീകോഡിംഗ് സമീപനം ഉപയോഗിക്കുന്നതിനുപകരം, ടോക്കിയോ ടെക്കിലെ ടീം ഒരു പുനർനിർമ്മാണ രീതി വികസിപ്പിച്ചെടുത്തു. മെഷീൻ ലേണിംഗ് ഉപയോഗിക്കുന്ന ഒരു പുതിയ അൽഗോരിതം ഉപയോഗിച്ച്. ഇത് വിഷൻ എന്ന സാങ്കേതിക വിദ്യയെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്ട്രാൻസ്ഫോർമറും (ViT) മെച്ചപ്പെട്ട ആഗോള യുക്തിയും വാഗ്ദാനം ചെയ്യുന്നു.

ലെൻസ് ഇല്ലാത്ത പുതിയ ക്യാമറ ഇവിടെ കാണാം. ഒരു ഇമേജ് സെൻസറും സെൻസറിൽ നിന്ന് 2.5 എംഎം മാസ്കും ഇതിൽ ഉൾപ്പെടുന്നു. സിന്തറ്റിക് സിലിക്ക പ്ലേറ്റിൽ ക്രോമിയം പൂശിയാണ് മാസ്ക് നിർമ്മിച്ചിരിക്കുന്നത്. ഇതിന് 40×40 μm അപ്പർച്ചർ വലുപ്പമുണ്ട്. കടപ്പാട്: Xiuxi Pan / Tokyo Institute of Technology

ന്യൂറൽ നെറ്റ്‌വർക്കുകളും കണക്‌റ്റ് ചെയ്‌ത ട്രാൻസ്‌ഫോർമറും ഉപയോഗിക്കുന്ന പുതിയ രീതി മികച്ച ഫലങ്ങൾ വാഗ്ദാനം ചെയ്യുന്നു. കൂടാതെ, പുനർനിർമ്മാണ പിശകുകൾ കുറയുകയും കണക്കുകൂട്ടൽ സമയം കുറയുകയും ചെയ്യുന്നു. മുൻകാല ലെൻസ്‌ലെസ് ക്യാമറകളിൽ സാധ്യമല്ലാത്ത, ഉയർന്ന നിലവാരമുള്ള ചിത്രങ്ങൾ തത്സമയം പകർത്താൻ ഈ രീതി ഉപയോഗിക്കാനാകുമെന്ന് ടീം വിശ്വസിക്കുന്നു. വരും വർഷങ്ങളിൽ ഇത് ശരിക്കും കൂടുതൽ വികസിച്ചാൽ, ഫോട്ടോഗ്രാഫിയുടെ ചരിത്രത്തിലെ ഇമേജ് ക്യാപ്‌ചർ പ്രക്രിയയിലെ ഏറ്റവും വലിയ വിപ്ലവം നാം അഭിമുഖീകരിക്കും. ലെൻസുകളില്ലാത്ത ക്യാമറകളെ കുറിച്ചുള്ള വാർത്തകൾ ഞങ്ങൾ പിന്തുടരുകയും എപ്പോഴും നിങ്ങൾക്ക് നൽകുകയും ചെയ്യും.

ഗവേഷണത്തിന്റെ രചയിതാക്കളായ Xuixi Pan, Xiao Chen, Saori Takeyama, Masahiro Yamaguchi എന്നിവർ പ്രസിദ്ധീകരിച്ച പഠനത്തിന്റെ ഒരു സംഗ്രഹം ചുവടെ വായിക്കുക:

ഇതും കാണുക: ആൽബം ലേഔട്ട്: എവിടെ തുടങ്ങണം?

ഒരു മാസ്ക് അധിഷ്‌ഠിത ലെൻസ്‌ലെസ് ക്യാമറ ദൃശ്യത്തെ നേർത്ത മാസ്‌ക് ഉപയോഗിച്ച് ഒപ്റ്റിക്കലായി എൻകോഡ് ചെയ്യുകയും പിന്നീട് ചിത്രം പുനർനിർമ്മിക്കുകയും ചെയ്യുന്നു. ലെൻസ്‌ലെസ് ഇമേജിംഗിലെ ഏറ്റവും പ്രധാനപ്പെട്ട പ്രശ്നങ്ങളിലൊന്നാണ് ഇമേജ് പുനർനിർമ്മാണം മെച്ചപ്പെടുത്തുന്നത്. പരമ്പരാഗത മാതൃകാധിഷ്ഠിത പുനർനിർമ്മാണ സമീപനങ്ങൾ, അത് പ്രയോജനപ്പെടുത്തുന്നുഭൗതിക വ്യവസ്ഥയെക്കുറിച്ചുള്ള അറിവ്, സിസ്റ്റത്തിന്റെ അപൂർണ്ണമായ മോഡലിംഗിന് വിധേയമാണ്.

ശുദ്ധമായ ഡാറ്റ-ഡ്രൈവ് ഡീപ് ന്യൂറൽ നെറ്റ്‌വർക്ക് (ഡിഎൻഎൻ) ഉപയോഗിച്ചുള്ള പുനർനിർമ്മാണം ഈ പരിമിതി ഒഴിവാക്കുന്നു, അങ്ങനെ മെച്ചപ്പെട്ട പുനർനിർമ്മാണ നിലവാരം നൽകാനുള്ള കഴിവുണ്ട്. എന്നിരുന്നാലും, ലെൻസ്‌ലെസ് ഇമേജുകൾക്കായുള്ള നിലവിലുള്ള ശുദ്ധമായ DNN പുനർനിർമ്മാണ സമീപനങ്ങൾ മോഡൽ അടിസ്ഥാനമാക്കിയുള്ള സമീപനങ്ങളേക്കാൾ മികച്ച ഫലം നൽകുന്നില്ല.

ലെൻസ്‌ലെസ് ഒപ്‌റ്റിക്‌സിലെ മൾട്ടിപ്ലക്‌സിംഗ് പ്രോപ്പർട്ടി ഒപ്റ്റിക്കലി എൻകോഡ് ചെയ്‌ത പാറ്റേൺ മനസ്സിലാക്കുന്നതിന് ആഗോള സവിശേഷതകൾ അനിവാര്യമാക്കുന്നുവെന്ന് ഞങ്ങൾ വെളിപ്പെടുത്തുന്നു. കൂടാതെ, നിലവിലുള്ള എല്ലാ DNN പുനർനിർമ്മാണ സമീപനങ്ങളും ആഗോള സവിശേഷതകൾ ന്യായവാദം ചെയ്യുന്നതിൽ കാര്യക്ഷമമല്ലാത്ത പൂർണ്ണമായ കൺവല്യൂഷണൽ നെറ്റ്‌വർക്കുകൾ (FCNs) പ്രയോഗിക്കുന്നു.

ഈ വിശകലനത്തിലൂടെ, നമുക്കറിയാവുന്നിടത്തോളം, ഇമേജ് പുനർനിർമ്മാണത്തിനായി ട്രാൻസ്‌ഫോർമറുള്ള പൂർണ്ണമായി ബന്ധിപ്പിച്ച ന്യൂറൽ നെറ്റ്‌വർക്ക് നിർദ്ദേശിക്കപ്പെടുന്നു. നിർദിഷ്ട വാസ്തുവിദ്യ ആഗോള വിഭവങ്ങളെ ന്യായീകരിക്കുന്നതിൽ മികച്ചതാണ്, അതിനാൽ പുനർനിർമ്മാണം മെച്ചപ്പെടുത്തുന്നു. ഒരു ഒപ്റ്റിക്കൽ പരീക്ഷണത്തിലെ മോഡൽ അധിഷ്ഠിതവും FCN അധിഷ്ഠിതവുമായ സമീപനങ്ങളുമായി താരതമ്യം ചെയ്തുകൊണ്ട് നിർദ്ദിഷ്ട വാസ്തുവിദ്യയുടെ മികവ് പരിശോധിക്കപ്പെടുന്നു. അതിനാൽ പുനർനിർമ്മാണം മെച്ചപ്പെടുത്തുന്നു.

ഒരു ഒപ്റ്റിക്കൽ പരീക്ഷണത്തിൽ മോഡൽ അധിഷ്‌ഠിതവും FCN അധിഷ്‌ഠിത സമീപനങ്ങളും താരതമ്യം ചെയ്‌ത് നിർദ്ദിഷ്ട ആർക്കിടെക്‌ചറിന്റെ മികവ് പരിശോധിക്കപ്പെടുന്നു. അത്,അതിനാൽ, അത് പുനർനിർമ്മാണം മെച്ചപ്പെടുത്തുന്നു. ഒരു ഒപ്റ്റിക്കൽ പരീക്ഷണത്തിൽ മോഡൽ അധിഷ്ഠിതവും FCN അധിഷ്‌ഠിത സമീപനങ്ങളുമായി താരതമ്യം ചെയ്‌ത് നിർദിഷ്ട ആർക്കിടെക്‌ചറിന്റെ മികവ് പരിശോധിക്കുന്നു.

ഇതും കാണുക: ഓരോ ഫോട്ടോഗ്രാഫറും അറിഞ്ഞിരിക്കേണ്ട 5 ഫോട്ടോഗ്രാഫി ഡയറക്ടർമാർ