Max Home Industry• Съемка без линз только с датчиком изображения
• Live smart studio не нуждается в фотографе
• Нейронные сети Улучшают Астрономию.
Иногда новости достаточно хорошо освещаются в других местах, и нам мало что остается добавить, кроме как довести их до вашего сведения.
Без комментариев-это формат, в котором мы представляем исходную исходную информацию, слегка отредактированную, чтобы вы могли решить, хотите ли вы следить за ней.
Безлинзовая фотография только с датчиком изображения
Вычислительная фотография заменяет многие физические компоненты камер манипуляциями с изображениями, но, безусловно, последним шагом является устранение необходимости в объективе. Зачем беспокоиться о фокусировке всего этого света, когда вы можете просто вычислить изображение:
Фотография обычно требует оптики в сочетании с записывающим устройством (датчиком изображения). Устранение оптики может привести к появлению новых форм-факторов для камер.
Здесь мы сообщаем о простой демонстрации визуализации с использованием голого КМОП-датчика, который использует вычисления. Метод основан на функциях пространственного варианта распределения точек, возникающих в результате взаимодействия точечного источника в поле зрения с датчиком изображения.
Эти функции пространственного распределения точек объединяются с алгоритмом реконструкции для отображения простых объектов, отображаемых на дискретной светодиодной матрице, а также на ЖК-экране. Мы расширили подход к видеоизображению с собственной частотой кадров датчика. Наконец, мы провели эксперименты по анализу параметрического влияния расстояния до объекта. Улучшение конструкции датчиков и алгоритмов реконструкции может привести к созданию полезных камер без оптики.
StyleShoots Live smart studio не нуждается в фотографе
Это еще один уровень вычислительной фотографии. Обычно мы видим, что технология помогает фотографу работать лучше, но эта автоматизированная студия может избавиться от необходимости в фотографе:
StyleShoots Live-это универсальная “умная студия”, предназначенная для предоставления как фотографий, так и видео брендов, снимающих свою последнюю одежду на моделях в одном большом стальном корпусе. Благодаря передовой робототехнике и технологиям искусственного интеллекта машина справляется со всеми техническими обязанностями, которые обычно выполняет съемочная группа, такими как настройка кадров и освещение. Он позволяет мгновенно просматривать кадры и видео с невероятной скоростью производства.
Моторизованная головка камеры с трехосным перемещением использует 4K-совместимый Canon 1DX Mk II и 3D-датчик глубины, управляемый системой Style Engine™. Проприетарное программное обеспечение управляет движениями, камерой и освещением, чтобы создавать желаемые кадры на основе полностью настраиваемых стилей.
Нейронные сети Улучшают астрономию.
Нейронные сети можно обучить заполнять недостающие детали в изображениях, но как насчет улучшения астрономических изображений?
Наблюдения астрофизических объектов, таких как галактики, ограничены различными источниками случайного и систематического шума на фоне неба, оптической системой телескопа и детектором, используемым для записи данных.
Традиционные методы деконволюции ограничены в своей способности восстанавливать особенности в данных изображений с помощью теоремы выборки Шеннона–Найквиста. Здесь мы обучаем генеративную состязательную сеть (GAN) на выборке из 4550 изображений близлежащих галактик при 0,01 < z < 0,02 из обзора цифрового неба Слоана и проводим 10-кратную перекрестную проверку для оценки результатов. Мы представляем метод, использующий GAN, обученный на изображениях галактик, который может восстанавливать функции из искусственно ухудшенных изображений с худшим зрением и более высоким шумом, чем оригинал, с производительностью, намного превышающей простую деконволюцию. Способность лучше восстанавливать детальные характеристики, такие как морфология галактик от низкого сигнала до шума и данные изображений с низким угловым разрешением, значительно повышает нашу способность изучать существующие наборы данных астрофизических объектов, а также будущие наблюдения с помощью таких обсерваторий, как Большой синоптический небесный телескоп (LSST) и космические телескопы Хаббла и Джеймса Уэбба. В основном сеть обучена улучшать изображения, обучаясь на тестовом наборе изображений, которые были искусственно ухудшены путем добавления шума, который вы обнаруживаете в системе телескоп/атмосфера. Не переходит ли это черту объективности? С помощью деконволюции или спекл-интерферометрии астроном знает, что это за процесс, но в случае нейронной сети необходимо доверять тому, что производительность тестового набора переносится на реальные данные. Это проблема, общая для внедрения нейронных сетей в качестве статистического метода - нет доверительных интервалов или уровней значимости. Чтобы получать информацию о новых статьях на I Programmer, подпишитесь на нашу еженедельную рассылку,подпишитесь на RSS-канал и следуйте за нами в Twitter, Facebook, Google+ или Linkedin. Комментарии Сделайте комментарий или Просмотрите существующие комментарии С помощью Disqus