Các nhà nghiên cứu tạo ra máy ảnh không cần ống kính
![Các nhà nghiên cứu tạo ra máy ảnh không cần ống kính](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpg)
Điều tưởng chừng không thể đã trở thành hiện thực. Gần đây, chúng tôi đã đăng một bài báo ở đây trên Kênh iPhoto về dự án metallicenses, một công nghệ mang tính cách mạng có thể loại bỏ ống kính máy ảnh. Tuy nhiên, đó chỉ là một khái niệm đang được nghiên cứu và phát triển. Nhưng giờ đây, một nhóm các nhà nghiên cứu của Tokyo Tech đã tạo ra một máy ảnh không ống kính mới sử dụng công nghệ máy học và có thể chụp những bức ảnh sắc nét một cách nhanh chóng và chính xác.
“Không có giới hạn của ống kính, máy ảnh không ống kính Giáo sư Masahiro Yamaguchi thuộc Viện Công nghệ Tokyo, đồng tác giả của dự án nghiên cứu cho biết, máy ảnh có thể siêu nhỏ, có thể tạo ra các ứng dụng mới ngoài sức tưởng tượng của chúng ta.
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpg)
Ý tưởng về máy ảnh không ống kính không phải là mới. Một số nỗ lực đã được thực hiện từ năm 2013. Nhưng cho đến lúc đó, các dự án gặp phải tình trạng hình ảnh thiếu sắc nét và xử lý ảnh bị chậm. Đó là bởi vì máy ảnh không có ống kính chỉ có một mặt nạ mỏng ở phía trước cảm biến hình ảnh giúp mã hóa và tái cấu trúc cảnh theo toán học.
Các máy ảnh không thấu kính trước đây đã sử dụng các phương pháp để kiểm soát ánh sáng chiếu vào cảm biến hình ảnh và thực hiện các phép đo phức tạp về cách ánh sáng tương tác với mặt nạ vật lý vàcảm biến hình ảnh để sau đó tái tạo lại một hình ảnh. Không có cách nào để tập trung ánh sáng, máy ảnh không thấu kính sẽ chụp ảnh mờ, ảnh này phải được tái tạo thành ảnh sắc nét hơn bằng thuật toán. Xem điều này trong thực tế thông qua hình minh họa bên dưới:
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7.jpeg)
Bằng cách hiểu cách ánh sáng tương tác với mặt nạ mỏng phía trước cảm biến hình ảnh, một thuật toán có thể giải mã thông tin ánh sáng và tái tạo lại cảnh lấy nét. Tuy nhiên, quá trình giải mã là vô cùng khó khăn và tốn nhiều tài nguyên. Ngoài việc mất thời gian, việc tạo ra chất lượng hình ảnh tốt đòi hỏi một mô hình vật lý hoàn hảo. Nếu một thuật toán dựa trên một phép tính gần đúng không chính xác về cách ánh sáng tương tác với mặt nạ và cảm biến, thì hệ thống camera sẽ bị lỗi.
Xem thêm: Có nên mua máy ảnh đã qua sử dụng?Thay vì sử dụng phương pháp giải mã dựa trên mô hình, nhóm tại Tokyo Tech đã phát triển một phương pháp tái tạo với một thuật toán mới sử dụng máy học. Nó dựa trên một kỹ thuật gọi là Tầm nhìnTransformer (ViT) và hứa hẹn cải thiện lý luận toàn cầu.
![](/wp-content/uploads/tend-ncia/2832/18txfb8zk7-1.jpeg)
Phương pháp mới, sử dụng mạng thần kinh và máy biến áp được kết nối, hứa hẹn mang lại kết quả tốt hơn. Ngoài ra, lỗi xây dựng lại được giảm và thời gian tính toán ngắn hơn. Nhóm nghiên cứu tin rằng phương pháp này có thể được sử dụng để chụp ảnh chất lượng cao trong thời gian thực, điều không thể thực hiện được với các máy ảnh không ống kính trước đây. Nếu điều này thực sự phát triển hơn nữa trong những năm tới, chúng ta sẽ đối mặt với một trong những cuộc cách mạng vĩ đại nhất về quy trình chụp ảnh trong lịch sử nhiếp ảnh. Chúng tôi sẽ theo dõi và luôn mang đến cho bạn tin tức về máy ảnh không có ống kính.
Hãy đọc bản tóm tắt nghiên cứu do các tác giả của nghiên cứu Xuixi Pan, Xiao Chen, Saori Takeyama và Masahiro Yamaguchi công bố bên dưới:
Máy ảnh không thấu kính dựa trên mặt nạ sẽ mã hóa quang cảnh bằng một mặt nạ mỏng và tái tạo lại hình ảnh sau đó. Cải thiện khả năng tái tạo hình ảnh là một trong những vấn đề quan trọng nhất trong chụp ảnh không thấu kính. Các phương pháp tái thiết dựa trên mô hình truyền thống, tận dụngkiến thức về hệ thống vật lý, dễ bị mô hình hóa không hoàn hảo của hệ thống.
Tái tạo với mạng nơ-ron sâu dựa trên dữ liệu thuần túy (DNN) tránh được hạn chế này, do đó có khả năng mang lại chất lượng tái tạo tốt hơn. Tuy nhiên, các phương pháp tái tạo DNN thuần túy hiện có cho hình ảnh không thấu kính không mang lại kết quả tốt hơn các phương pháp dựa trên mô hình.
Xem thêm: Những đường cong méo mó của phụ nữ bởi André KerteszChúng tôi tiết lộ rằng thuộc tính ghép kênh trong hệ thống quang học không thấu kính làm cho các tính năng tổng thể trở nên thiết yếu trong việc hiểu mẫu được mã hóa quang học. Ngoài ra, tất cả các phương pháp tái tạo DNN hiện có đều áp dụng các mạng tích chập hoàn toàn (FCN) không hiệu quả trong việc suy luận các tính năng toàn cầu.
Với phân tích này, lần đầu tiên theo như chúng tôi biết, một mạng thần kinh được kết nối đầy đủ với một máy biến áp để tái tạo hình ảnh được đề xuất. Kiến trúc được đề xuất tốt hơn trong việc suy luận các tài nguyên toàn cầu và do đó cải thiện việc xây dựng lại. Tính ưu việt của kiến trúc đề xuất được xác minh bằng cách so sánh nó với các phương pháp tiếp cận dựa trên mô hình và dựa trên FCN trong một thử nghiệm quang học. và do đó cải thiện tái thiết.
Tính ưu việt của kiến trúc đề xuất được xác minh bằng cách so sánh các phương pháp tiếp cận dựa trên mô hình và dựa trên FCN trong một thử nghiệm quang học. Nó là,do đó, nó cải thiện tái thiết. Tính ưu việt của kiến trúc đề xuất được xác minh bằng cách so sánh nó với các phương pháp tiếp cận dựa trên mô hình và dựa trên FCN trong một thử nghiệm quang học.