جو ناممکن نظر آتا تھا وہ حقیقت میں بدل رہا ہے۔ ہم نے حال ہی میں یہاں iPhoto Channel پر Metallenses پروجیکٹ کے بارے میں ایک مضمون پوسٹ کیا ہے، یہ ایک انقلابی ٹیکنالوجی ہے جو کیمرے کے لینز کو ختم کر سکتی ہے۔ تاہم، یہ صرف مطالعہ اور ترقی کے تحت ایک تصور تھا. لیکن اب، ٹوکیو ٹیک کے محققین کے ایک گروپ نے ایک نیا لینز لیس کیمرہ بنایا ہے جو مشین لرننگ کا استعمال کرتا ہے اور تیز اور درست طریقے سے تصاویر کھینچ سکتا ہے۔

"عدسے کی حدود کے بغیر، تحقیقی منصوبے کے شریک مصنف ٹوکیو انسٹی ٹیوٹ آف ٹکنالوجی کے پروفیسر ماساہیرو یاماگوچی نے کہا کہ لینس لیس کیمرہ انتہائی منی ایچر ہو سکتا ہے، جو نئی ایپلی کیشنز کو قابل بنا سکتا ہے جو ہمارے تصور سے باہر ہیں۔

ٹوکیو ٹیک کے محققین کی طرف سے تیار کردہ لینز لیس کیمرہ کا پروٹو ٹائپ

عدسے کے بغیر کیمرے کا خیال نیا نہیں ہے۔ 2013 کے بعد سے کچھ کوششیں پہلے ہی کی جا چکی ہیں۔ لیکن اس وقت تک، تصاویر کی نفاست کی کمی اور تصاویر پر کارروائی میں تاخیر کی وجہ سے پروجیکٹس ختم ہو گئے۔ اس کی وجہ یہ ہے کہ لینس کے بغیر کیمرہ میں تصویری سینسر کے سامنے صرف ایک پتلا ماسک ہوتا ہے جو مناظر کو انکوڈ اور ریاضیاتی طور پر دوبارہ تشکیل دیتا ہے۔

پہلے لینس لیس کیمرے تصویری سینسر سے ٹکرانے والی روشنی کو کنٹرول کرنے کے طریقے استعمال کرتے تھے اور اس بات کی نفیس پیمائش کرتے تھے کہ روشنی کس طرح جسمانی ماسک کے ساتھ تعامل کرتی ہے۔تصویر سینسر پھر ایک تصویر کو دوبارہ تعمیر کرنے کے لئے. روشنی کو فوکس کرنے کے طریقے کے بغیر، ایک لینس لیس کیمرا ایک دھندلی تصویر کھینچ لیتا ہے، جسے الگورتھم کا استعمال کرتے ہوئے ایک تیز تصویر میں دوبارہ تشکیل دینا ضروری ہے۔ ذیل میں دی گئی مثال کے ذریعے عملی طور پر اسے دیکھیں:

بھی دیکھو: 8 بہترین AI سے چلنے والی فوٹو ایڈیٹنگ ایپسجیسا کہ اس کے نام سے پتہ چلتا ہے، لینس لیس کیمرا روایتی آپٹیکل لینس استعمال نہیں کرتا ہے۔ اس کے بجائے، اس میں صرف ایک سینسر اور ایک ماسک شامل ہے۔ کیمرے کے لیے تصویر کے سینسر پر روشنی کو فوکس کرنے کا کوئی طریقہ نہیں ہے، اس لیے ایک تفصیلی تصویر کو ایک انکوڈ شدہ پیٹرن اور اس بارے میں معلومات کا استعمال کرتے ہوئے دوبارہ بنایا جانا چاہیے کہ روشنی کس طرح ماسک اور امیج سینسر کے ساتھ تعامل کرتی ہے۔ 1 تاہم، ضابطہ کشائی کا عمل انتہائی مشکل اور وسائل کا حامل ہے۔ وقت نکالنے کے علاوہ، اچھی امیج کوالٹی بنانے کے لیے ایک بہترین جسمانی ماڈل کی ضرورت ہوتی ہے۔ اگر کوئی الگورتھم اس بات کے غلط اندازے پر مبنی ہے کہ روشنی کس طرح ماسک اور سینسر کے ساتھ تعامل کرتی ہے تو کیمرہ سسٹم ناکام ہو جائے گا۔

ماڈل پر مبنی ڈی کوڈنگ اپروچ استعمال کرنے کے بجائے، ٹوکیو ٹیک کی ٹیم نے تعمیر نو کا طریقہ تیار کیا۔ ایک نئے الگورتھم کے ساتھ جو مشین لرننگ کا استعمال کرتا ہے۔ یہ وژن نامی تکنیک پر مبنی ہے۔ٹرانسفارمر (ViT) اور عالمی استدلال کو بہتر بنانے کا وعدہ کرتا ہے۔

یہاں ہم لینس کے بغیر نیا کیمرہ دیکھ سکتے ہیں۔ اس میں ایک امیج سینسر اور سینسر سے 2.5 ملی میٹر کا ماسک شامل ہے۔ ماسک کو مصنوعی سیلیکا پلیٹ پر کرومیم چڑھا کر بنایا گیا ہے۔ اس کا یپرچر سائز 40×40 μm ہے۔ کریڈٹ: Xiuxi Pan / Tokyo Institute of Technology

نیا طریقہ، نیورل نیٹ ورکس اور ایک منسلک ٹرانسفارمر کا استعمال کرتے ہوئے، بہتر نتائج کا وعدہ کرتا ہے۔ اس کے علاوہ، تعمیر نو کی غلطیاں کم ہوتی ہیں اور گنتی کا وقت کم ہوتا ہے۔ ٹیم کا خیال ہے کہ یہ طریقہ اعلیٰ معیار کی تصاویر کی حقیقی وقت میں کیپچر کے لیے استعمال کیا جا سکتا ہے، جو کہ پچھلے لینس لیس کیمروں کے ساتھ ممکن نہیں تھا۔ اگر آنے والے سالوں میں یہ واقعی مزید ترقی کرتا ہے، تو ہمیں فوٹو گرافی کی تاریخ میں تصویر کی گرفت کے عمل میں سب سے بڑے انقلاب کا سامنا کرنا پڑے گا۔ ہم آپ کی پیروی کرتے رہیں گے اور ہمیشہ آپ کو بغیر لینز کے کیمروں کی خبریں لاتے رہیں گے۔

تحقیق کے مصنفین Xuixi Pan, Xiao Chen, Saori Takeyama اور Masahiro Yamaguchi کے ذریعہ شائع کردہ مطالعہ کا خلاصہ ذیل میں پڑھیں:

بھی دیکھو: فوٹولوگ صارفین کے لیے اپنی تصاویر کو بازیافت کرنے کے لیے دوبارہ سرفہرست ہے۔

ایک ماسک پر مبنی لینس لیس کیمرہ آپٹیکلی طور پر ایک پتلے ماسک کے ساتھ منظر کو انکوڈ کرتا ہے اور بعد میں تصویر کو دوبارہ بناتا ہے۔ تصویر کی تعمیر نو کو بہتر بنانا لینس لیس امیجنگ میں سب سے اہم مسائل میں سے ایک ہے۔ روایتی ماڈل پر مبنی تعمیر نو کے نقطہ نظر، جو فائدہ اٹھاتے ہیں۔جسمانی نظام کا علم، نظام کی نامکمل ماڈلنگ کے لیے حساس ہیں۔

ایک خالص ڈیٹا سے چلنے والے ڈیپ نیورل نیٹ ورک (DNN) کے ساتھ تعمیر نو اس حد سے گریز کرتی ہے، اس طرح تعمیر نو کا بہتر معیار فراہم کرنے کی صلاحیت ہوتی ہے۔ تاہم، لینس لیس امیجز کے لیے موجودہ خالص DNN تعمیر نو کے طریقے ماڈل پر مبنی طریقوں سے بہتر نتیجہ فراہم نہیں کرتے ہیں۔

ہم انکشاف کرتے ہیں کہ لینس لیس آپٹکس میں ملٹی پلیکسنگ پراپرٹی آپٹیکل انکوڈ شدہ پیٹرن کو سمجھنے کے لیے عالمی خصوصیات کو ضروری بناتی ہے۔ مزید برآں، تمام موجودہ DNN تعمیر نو کے طریقے مکمل طور پر کنوولیشنل نیٹ ورکس (FCNs) کو لاگو کرتے ہیں جو عالمی خصوصیات کو استدلال کرنے میں موثر نہیں ہیں۔

اس تجزیہ کے ساتھ، جہاں تک ہم جانتے ہیں پہلی بار، تصویر کی تعمیر نو کے لیے ٹرانسفارمر کے ساتھ ایک مکمل طور پر منسلک نیورل نیٹ ورک تجویز کیا گیا ہے۔ مجوزہ فن تعمیر عالمی وسائل کے استدلال میں بہتر ہے اور اس وجہ سے تعمیر نو کو بہتر بناتا ہے۔ مجوزہ فن تعمیر کی برتری کی تصدیق ایک نظری تجربے میں ماڈل پر مبنی اور FCN پر مبنی نقطہ نظر کے ساتھ موازنہ کرکے کی جاتی ہے۔ اور اس وجہ سے تعمیر نو کو بہتر بناتا ہے۔

مجوزہ فن تعمیر کی برتری کی تصدیق ایک نظری تجربے میں ماڈل پر مبنی اور FCN پر مبنی طریقوں کا موازنہ کرکے کی جاتی ہے۔ یہ ہے،لہذا، یہ تعمیر نو کو بہتر بناتا ہے. مجوزہ فن تعمیر کی برتری کی تصدیق ایک نظری تجربے میں ماڈل پر مبنی اور FCN پر مبنی طریقوں کے ساتھ موازنہ کرکے کی جاتی ہے۔