పరిశోధకులు లెన్స్ లేకుండా కెమెరాను రూపొందించారు
![పరిశోధకులు లెన్స్ లేకుండా కెమెరాను రూపొందించారు](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpg)
అసాధ్యమని అనిపించినది వాస్తవంగా మారుతోంది. కెమెరా లెన్స్లను తొలగించగల విప్లవాత్మక సాంకేతికత, మెటల్లెన్సెస్ ప్రాజెక్ట్ గురించి మేము ఇటీవల iPhoto ఛానెల్లో ఇక్కడ ఒక కథనాన్ని పోస్ట్ చేసాము. అయితే, ఇది అధ్యయనం మరియు అభివృద్ధిలో ఉన్న భావన మాత్రమే. కానీ ఇప్పుడు, టోక్యో టెక్లోని పరిశోధకుల బృందం కొత్త లెన్స్లెస్ కెమెరా ని సృష్టించింది, ఇది మెషిన్ లెర్నింగ్ని ఉపయోగిస్తుంది మరియు పదునైన ఫోటోలను త్వరగా మరియు ఖచ్చితంగా క్యాప్చర్ చేయగలదు.
“లెన్స్ పరిమితులు లేకుండా, లెన్స్లెస్ కెమెరా అల్ట్రా-మినియేచర్ కావచ్చు, ఇది మన ఊహకు అందని కొత్త అప్లికేషన్లను ఎనేబుల్ చేయగలదు" అని టోక్యో ఇన్స్టిట్యూట్ ఆఫ్ టెక్నాలజీకి చెందిన ప్రొఫెసర్ మసాహిరో యమగుచి, పరిశోధన ప్రాజెక్ట్ సహ రచయిత అన్నారు.
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpg)
లెన్స్లెస్ కెమెరా ఆలోచన కొత్తది కాదు. 2013 నుండి ఇప్పటికే కొన్ని ప్రయత్నాలు జరిగాయి. కానీ అప్పటి వరకు, చిత్రాలకు పదును లేకపోవడం మరియు ఫోటోలను ప్రాసెస్ చేయడంలో జాప్యం కారణంగా ప్రాజెక్ట్లు నడిచాయి. ఎందుకంటే లెన్స్ లేని కెమెరాలో దృశ్యాలను ఎన్కోడ్ చేసే మరియు గణితశాస్త్రంలో పునర్నిర్మించే ఇమేజ్ సెన్సార్ ముందు సన్నని ముసుగు మాత్రమే ఉంటుంది.
ఇంతకు ముందు లెన్స్లెస్ కెమెరాలు ఇమేజ్ సెన్సార్ను తాకే కాంతిని నియంత్రించడానికి పద్ధతులను ఉపయోగించాయి మరియు ఫిజికల్ మాస్క్తో కాంతి ఎలా సంకర్షణ చెందుతుందనే దాని గురించి అధునాతన కొలతలను నిర్వహించాయి.చిత్రాన్ని పునర్నిర్మించడానికి ఇమేజ్ సెన్సార్. కాంతిని కేంద్రీకరించడానికి మార్గం లేకుండా, లెన్స్లెస్ కెమెరా అస్పష్టమైన చిత్రాన్ని సంగ్రహిస్తుంది, ఇది అల్గారిథమ్ని ఉపయోగించి పదునైన చిత్రంగా పునర్నిర్మించబడాలి. దిగువ ఉదాహరణ ద్వారా దీన్ని ఆచరణలో చూడండి:
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpeg)
ఇమేజ్ సెన్సార్ ముందు సన్నని ముసుగుతో కాంతి ఎలా సంకర్షణ చెందుతుందో అర్థం చేసుకోవడం ద్వారా, ఒక అల్గారిథమ్ కాంతి సమాచారాన్ని డీకోడ్ చేస్తుంది మరియు కేంద్రీకృత దృశ్యాన్ని పునర్నిర్మించగలదు. అయితే, డీకోడింగ్ ప్రక్రియ చాలా సవాలుతో కూడుకున్నది మరియు వనరులతో కూడుకున్నది. సమయం తీసుకోవడంతో పాటు, మంచి చిత్ర నాణ్యతను రూపొందించడానికి ఖచ్చితమైన భౌతిక నమూనా అవసరం. ఒక అల్గారిథమ్ మాస్క్ మరియు సెన్సార్తో కాంతి ఎలా సంకర్షణ చెందుతుందనే దాని యొక్క సరికాని ఉజ్జాయింపుపై ఆధారపడి ఉంటే, కెమెరా సిస్టమ్ విఫలమవుతుంది.
మోడల్-ఆధారిత డీకోడింగ్ విధానాన్ని ఉపయోగించే బదులు, టోక్యో టెక్లోని బృందం పునర్నిర్మాణ పద్ధతిని అభివృద్ధి చేసింది. యంత్ర అభ్యాసాన్ని ఉపయోగించే కొత్త అల్గారిథమ్తో. ఇది విజన్ అనే సాంకేతికతపై ఆధారపడి ఉంటుందిట్రాన్స్ఫార్మర్ (ViT) మరియు మెరుగైన గ్లోబల్ రీజనింగ్ను వాగ్దానం చేస్తుంది.
ఇది కూడ చూడు: టిక్టాక్లో అనుసరించాల్సిన 10 మంది ఫోటోగ్రాఫర్లు![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7-1.jpeg)
న్యూరల్ నెట్వర్క్లు మరియు కనెక్ట్ చేయబడిన ట్రాన్స్ఫార్మర్ని ఉపయోగించి కొత్త పద్ధతి మెరుగైన ఫలితాలను ఇస్తుంది. అలాగే, పునర్నిర్మాణ లోపాలు తగ్గుతాయి మరియు గణన సమయాలు తక్కువగా ఉంటాయి. మునుపటి లెన్స్లెస్ కెమెరాలతో సాధ్యం కాని అధిక-నాణ్యత చిత్రాలను నిజ-సమయ క్యాప్చర్ కోసం ఈ పద్ధతిని ఉపయోగించవచ్చని బృందం విశ్వసిస్తుంది. రాబోయే సంవత్సరాల్లో ఇది నిజంగా మరింత అభివృద్ధి చెందితే, ఫోటోగ్రఫీ చరిత్రలో ఇమేజ్ క్యాప్చర్ ప్రక్రియలో మనం ఒక గొప్ప విప్లవాన్ని ఎదుర్కొంటాము. లెన్స్లు లేని కెమెరాల వార్తలను మేము అనుసరిస్తాము మరియు ఎల్లప్పుడూ మీకు అందిస్తాము.
పరిశోధన రచయితలు Xuixi Pan, Xiao Chen, Saori Takeyama మరియు Masahiro Yamaguchi ప్రచురించిన అధ్యయనం యొక్క సారాంశాన్ని క్రింద చదవండి:
మాస్క్-ఆధారిత లెన్స్లెస్ కెమెరా దృశ్యాన్ని సన్నని ముసుగుతో ఆప్టికల్గా ఎన్కోడ్ చేస్తుంది మరియు ఆ తర్వాత చిత్రాన్ని పునర్నిర్మిస్తుంది. లెన్స్లెస్ ఇమేజింగ్లో ఇమేజ్ పునర్నిర్మాణాన్ని మెరుగుపరచడం అనేది చాలా ముఖ్యమైన సమస్యలలో ఒకటి. సంప్రదాయ నమూనా-ఆధారిత పునర్నిర్మాణ విధానాలు, వీటిని ప్రభావితం చేస్తాయిభౌతిక వ్యవస్థ యొక్క జ్ఞానం, వ్యవస్థ యొక్క అసంపూర్ణ నమూనాకు అనువుగా ఉంటుంది.
స్వచ్ఛమైన డేటా-ఆధారిత డీప్ న్యూరల్ నెట్వర్క్ (DNN)తో పునర్నిర్మాణం ఈ పరిమితిని నివారిస్తుంది, తద్వారా మెరుగైన పునర్నిర్మాణ నాణ్యతను అందించే సామర్థ్యాన్ని కలిగి ఉంటుంది. అయినప్పటికీ, లెన్స్లెస్ చిత్రాల కోసం ఇప్పటికే ఉన్న స్వచ్ఛమైన DNN పునర్నిర్మాణ విధానాలు మోడల్-ఆధారిత విధానాల కంటే మెరుగైన ఫలితాన్ని అందించవు.
లెన్స్లెస్ ఆప్టిక్స్లోని మల్టీప్లెక్సింగ్ ప్రాపర్టీ ఆప్టికల్గా ఎన్కోడ్ చేసిన నమూనాను అర్థం చేసుకోవడంలో గ్లోబల్ ఫీచర్లను తప్పనిసరి చేస్తుందని మేము వెల్లడిస్తాము. అదనంగా, ఇప్పటికే ఉన్న అన్ని DNN పునర్నిర్మాణ విధానాలు గ్లోబల్ ఫీచర్లను తార్కికం చేయడంలో సమర్థవంతంగా లేని పూర్తిగా కన్వల్యూషనల్ నెట్వర్క్లను (FCNలు) వర్తింపజేస్తాయి.
ఈ విశ్లేషణతో, మనకు తెలిసినంత వరకు మొదటిసారిగా, ఇమేజ్ పునర్నిర్మాణం కోసం ట్రాన్స్ఫార్మర్తో పూర్తిగా కనెక్ట్ చేయబడిన న్యూరల్ నెట్వర్క్ ప్రతిపాదించబడింది. ప్రతిపాదిత ఆర్కిటెక్చర్ ప్రపంచ వనరులను తార్కికం చేయడంలో మెరుగ్గా ఉంది మరియు అందువల్ల పునర్నిర్మాణాన్ని మెరుగుపరుస్తుంది. ఆప్టికల్ ప్రయోగంలో మోడల్-ఆధారిత మరియు FCN-ఆధారిత విధానాలతో పోల్చడం ద్వారా ప్రతిపాదిత ఆర్కిటెక్చర్ యొక్క ఆధిక్యత ధృవీకరించబడుతుంది. అందువలన పునర్నిర్మాణాన్ని మెరుగుపరుస్తుంది.
ఇది కూడ చూడు: "ఐన్స్టీన్ తన నాలుకను బయటకు తీయడం" ఫోటో వెనుక కథఆప్టికల్ ప్రయోగంలో మోడల్-ఆధారిత మరియు FCN-ఆధారిత విధానాలను పోల్చడం ద్వారా ప్రతిపాదిత ఆర్కిటెక్చర్ యొక్క ఆధిక్యత ధృవీకరించబడుతుంది. అది,అందువలన, ఇది పునర్నిర్మాణాన్ని మెరుగుపరుస్తుంది. ఆప్టికల్ ప్రయోగంలో మోడల్-ఆధారిత మరియు FCN-ఆధారిత విధానాలతో పోల్చడం ద్వారా ప్రతిపాదిత ఆర్కిటెక్చర్ యొక్క ఆధిక్యత ధృవీకరించబడుతుంది.