Forskere lager et kamera uten objektiv
![Forskere lager et kamera uten objektiv](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpg)
Det som så ut til å være umulig, blir til virkelighet. Vi la nylig ut en artikkel her på iPhoto Channel om metallenses-prosjektet, en revolusjonerende teknologi som kan eliminere kameralinser. Imidlertid var det bare et konsept under utredning og utvikling. Men nå har en gruppe forskere ved Tokyo Tech laget et nytt objektivløst kamera som bruker maskinlæring og kan ta skarpe bilder raskt og nøyaktig.
"Uten begrensningene til et objektiv kan objektivløst kamera kan være ultra-miniatyr, noe som kan muliggjøre nye applikasjoner som er utenfor vår fantasi," sa professor Masahiro Yamaguchi ved Tokyo Institute of Technology, medforfatter av forskningsprosjektet.
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpg)
Ideen om et objektivløst kamera er ikke ny. Noen forsøk har allerede blitt gjort siden 2013. Men frem til da løp prosjektene inn i mangel på skarphet i bildene og forsinkelsen i behandlingen av bildene. Det er fordi et kamera uten objektiv kun har en tynn maske foran en bildesensor som koder og matematisk rekonstruerer scener.
Tidligere objektivløse kameraer brukte metoder for å kontrollere lyset som treffer bildesensoren og utføre sofistikerte målinger av hvordan lyset samhandler med den fysiske masken ogbildesensor for deretter å rekonstruere et bilde. Uten en måte å fokusere lys på, tar et objektivløst kamera et uskarpt bilde, som må rekonstrueres til et skarpere bilde ved hjelp av en algoritme. Se dette i praksis gjennom illustrasjonen nedenfor:
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpeg)
Ved å forstå hvordan lys samhandler med en tynn maske foran bildesensoren, kan en algoritme dekode lysinformasjonen og rekonstruere en fokusert scene. Imidlertid er dekodingsprosessen ekstremt utfordrende og ressurskrevende. I tillegg til å ta tid, krever det å generere god bildekvalitet en perfekt fysisk modell. Hvis en algoritme er basert på en unøyaktig tilnærming av hvordan lyset samhandler med masken og sensoren, vil kamerasystemet mislykkes.
I stedet for å bruke en modellbasert dekodingstilnærming, utviklet teamet ved Tokyo Tech en rekonstruksjonsmetode med en ny algoritme som bruker maskinlæring. Den er basert på en teknikk kalt VisionTransformer (ViT) og lover forbedret global resonnement.
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7-1.jpeg)
Den nye metoden, som bruker nevrale nettverk og en tilkoblet transformator, lover bedre resultater. Også rekonstruksjonsfeil reduseres og beregningstidene er kortere. Teamet mener metoden kan brukes til sanntidsopptak av bilder av høy kvalitet, noe som ikke var mulig med tidligere objektivløse kameraer. Hvis dette virkelig utvikler seg videre i årene som kommer, vil vi stå overfor en av de største revolusjonene i bildefangstprosessen i fotografiets historie. Vi vil følge og alltid gi deg nyhetene om kameraer uten linser.
Les nedenfor et sammendrag av studien publisert av forfatterne av forskningen Xuixi Pan, Xiao Chen, Saori Takeyama og Masahiro Yamaguchi:
Et maskebasert objektivløst kamera koder optisk scenen med en tynn maske og rekonstruerer bildet etterpå. Forbedring av bilderekonstruksjon er en av de viktigste problemene ved linseløs bildebehandling. Konvensjonelle modellbaserte rekonstruksjonstilnærminger, som utnytterkunnskap om det fysiske systemet, er utsatt for ufullkommen modellering av systemet.
Rekonstruksjon med et rent datadrevet dypt nevralt nettverk (DNN) unngår denne begrensningen, og har dermed potensial til å gi bedre rekonstruksjonskvalitet. Eksisterende rene DNN-rekonstruksjonstilnærminger for linseløse bilder gir imidlertid ikke et bedre resultat enn modellbaserte tilnærminger.
Se også: Lær hvordan du bruker blits TTL-modusVi avslører at multipleksingsegenskapen i linseløs optikk gjør globale funksjoner avgjørende for å forstå det optisk kodede mønsteret. I tillegg bruker alle eksisterende DNN-rekonstruksjonstilnærminger fullstendig konvolusjonelle nettverk (FCNs) som ikke er effektive til å resonnere globale funksjoner.
Med denne analysen foreslås det for første gang så vidt vi vet et fullt tilkoblet nevralt nettverk med en transformator for bilderekonstruksjon. Den foreslåtte arkitekturen er bedre til å resonnere globale ressurser og forbedrer derfor gjenoppbyggingen. Overlegenheten til den foreslåtte arkitekturen bekreftes ved å sammenligne den med modellbaserte og FCN-baserte tilnærminger i et optisk eksperiment. og forbedrer derfor rekonstruksjonen.
Overlegenheten til den foreslåtte arkitekturen bekreftes ved å sammenligne de modellbaserte og FCN-baserte tilnærmingene i et optisk eksperiment. Det er,derfor forbedrer det rekonstruksjonen. Overlegenheten til den foreslåtte arkitekturen bekreftes ved å sammenligne den med modellbaserte og FCN-baserte tilnærminger i et optisk eksperiment.
Se også: Kvinne tar en hundefotografering og det usannsynlige skjer under bildene