211service.com
Jauna dimensija jūsu fotoattēliem
Aplūkojot fotoattēlu izdrukas no Vašingtonas, D.C., atvaļinājuma, var rasties atmiņas par atrašanos īstās trīsdimensiju vietās, piemēram, Linkolna memoriālā. Bet ko tad, ja jūs patiešām varētu ieiet savā fotogrāfijā un atkal nostāties pie Linkolna kājām vai vismaz tuvināt sava attēla 3-D versiju datora ekrānā? Jauns Web pakalpojums sauc Fotowoosh sola sniegt šādu pieredzi, pateicoties Pitsburgas Kārnegija Melona universitātes datorredzes pētniekiem.
Lielais attēls: Fotowoosh tīmekļa sistēma pārvērš plakanus, divdimensiju attēlus tuvināmos 3-D ainās, izmantojot mašīnmācības algoritmus, kas attēlu sadala apgabalos, kas attēlo zemi (viltus krāsu attēlā zaļa), vertikālās virsmas (bultiņas) un debesis ( apļi). Pēc tam šīs virsmas tiek salocītas 3-D modelī, kas atgādina uznirstošo ilustrāciju bērnu grāmatā. Lai pārbaudītu Fotowoosh modeļa paraugu 3D formātā, jums būs jālejupielādē gan .wrl fails no Fotowoosh vietnes, gan 3D skatītāja paplašinājums jūsu tīmekļa pārlūkprogrammām.
Dereks Hoiems , Carnegie Mellon’s doktora grāda kandidāts Robotikas institūts , ir pavadījis pēdējo pusotru gadu, izdomājot, kā iegūt programmatūru, lai pārvērstu plakanos attēlus 3-D virtuālās realitātes modeļos, ar kuriem var manipulēt ekrānā. Darbs ar mācībspēkiem Aleksejs Efross un Martiāls Heberts , Hoiem nāca klajā ar mašīnmācīšanās sistēmu, kas identificē dažādas virsmas un to orientācijas, pamatojoties uz to, ko tā ir iemācījusies, pārbaudot iepriekšējos fotoattēlus. Būtībā Fotowoosh atbrīvo personu, kas skatās fotoattēlu, no fotogrāfa skatpunkta, lai viņš vai viņa varētu izpētīt citas perspektīvas, nevis to, ko kamera patiešām ir uzņēmusi.
Tagad Freewebs , Silver Spring, MD, uzņēmums, kas mitina 14 miljonus personīgo vietņu, gatavojas tīmeklī izlaist Hoiem programmatūras patērētāju versiju. Freewebs prezidents Šervins Piševars saka, ka viņš cer, ka tīmekļa lietotāji augšupielādēs tūkstošiem fotoattēlu pakalpojumā Fotowoosh un kopīgos 3-D versijas ar citiem apmeklētājiem, padarot pakalpojumu par to, ko viņš sauc par 3-D Flickr. Flickr protams, ir Yahoo ļoti populārā fotoattēlu koplietošanas un sociālo tīklu vietne.
Fotowoosh sistēmas testa versija tiks izlaista maijā, norāda Piševars. Sistēma vislabāk darbojas āra attēliem. Pārveidotie fotoattēli nedaudz atgādina bērnu uznirstošo grāmatu ilustrācijas: uznirstošajā grāmatā ir redzams pamatojums, kas atbilst plakanajai lapai, un vertikālās virsmas atrodas taisnā leņķī pret zemi, attēlojot tādus objektus kā sienas, koki, un transportlīdzekļiem. Attēli tiek parādīti tīmekļa lapā, kurā ir ielādēts īpašs skatītājs ar 3-D modeļa tālummaiņas, panoramēšanas un pagriešanas vadīklām. Lai gan programmatūra burtiski pievieno jaunu dimensiju vecajām tūristu fotogrāfijām, nākotnē to varētu izmantot arī tādiem mērķiem kā robotu navigācija vai fotoreālistisku 3-D virtuālo pasauļu veidošana.
Multivide
Video: jauna dimensija jūsu fotogrāfijām
Hoiem saka, ka programmatūra atdarina dažus trikus, ko mūsu smadzenes izmanto, lai sniegtu dziļumu divdimensiju attēliem, kas pastāvīgi nokļūst uz mūsu tīklenes. Tradicionālajām (nestereoskopiskajām) kamerām ir tikai viena acs, salīdzinot ar mūsu divām. Tas nozīmē, ka viņi nevar izmantot paralaksi — parādību, kurā mūsu labā un kreisā acs redz tuvumā esošus objektus, kas atrodas nedaudz atšķirīgās pozīcijās salīdzinājumā ar tālāk esošajiem objektiem, lai iegūtu stereo attēlu. Patiesībā programmatūrai ir matemātiski neiespējami aprēķināt 3-D ainas formu no viena divdimensiju attēla ar 100% pārliecību, jo teorētiski objekti var atrasties jebkurā attālumā. Bet cilvēki to var izdarīt, atzīmē Hoiem. Vienkārši nav vienkārša algebriskā risinājuma.
Faktiski paralakse nav stingri nepieciešama 3-D redzei: ja aizverat vienu aci, pasaule nesamazināsies. Smadzenes secina dziļumu, izmantojot dažādas norādes, piemēram, ēnojumu, krāsu, kustību un mūsu apgūto pieredzi par telpiskajām attiecībām starp grīdām un sienām vai starp ielām un ēkām. Izrādās, ka, izmantojot diezgan vienkāršu modeli – domājot par pasauli zemes virsmas izteiksmē, vertikālās virsmas, kas no tās izceļas, un debesīm – var izveidot diezgan pārliecinošus 3-D modeļus, saka Hoiem.
Viņa, Efrosa un Heberta izstrādātā programmatūra sāk pārveidot attēlu, mēģinot grupēt katru pikseļu divdimensiju attēlā vienā no šīm klasēm. Debesis parasti ir visvieglāk - tās ir zilas vai baltas. Lielākajai daļai fotoattēlu augšējās un apakšējās malas ir saskaņotas ar horizontu, kas palīdz programmatūrai identificēt iezemēto plakni. Un daudzstāvu ēkas logi bieži ir izvietoti paralēlās līnijās ar kopīgu izzušanas punktu, kas liecina par vertikālu virsmu.
Bet Hoiem skaidri neiemācīja programmatūrai šos noteikumus. Sistēma ir balstīta uz mašīnmācības algoritmiem, kas nozīmē, ka tā izdomā savus īkšķa noteikumus, atpazīstot statistikas modeļus simtiem attēlu, kuros zemi, debesis un vertikālās virsmas ir iepriekš iezīmējuši cilvēki.
Par laimi mums nebija jāsāk pilnīgi no nulles, saka Hoiem. Ir bijis daudz darba, lai attēlotu krāsu, faktūru un struktūru. Pastāv algoritms līniju grupas izzušanas punkta atpazīšanai. Un cilvēki ir daudz strādājuši, lai atpazītu tādus objektus kā cilvēki vai automašīnas. Bet neviens nebija domājis, ka varbūt jūs varat to visu apvienot un iemācīties atpazīt ainas faktisko ģeometriju.
Kad Fotowoosh ir identificējis galvenās ainas virsmas, tas apvieno tās 3-D modelī, izmantojot Virtual Reality Markup Language faila formātu jeb VRML. Programmatūra atdala divdimensiju attēla daļas un ielīmē tās uz atbilstošām modeļa virsmām. Šo procesu sauc par tekstūras kartēšanu.
Pašlaik gatavos modeļus var apskatīt tikai tīmekļa pārlūkprogrammā, kas aprīkota ar īpašu paplašinājumu VRML failu apskatei. Bet Fotowoosh beta versijā, kas paredzēta nākamajā mēnesī, modeļi tiks parādīti, izmantojot izplatītāko Flash formātu, kas jau ir iekļauts lielākajā daļā pārlūkprogrammu, norāda Pishevar. ( Fotowoosh mājas lapa ietver video, kurā demonstrē galaproduktu vairākiem attēlu paraugiem.)
Šobrīd sistēma ne pārāk labi spēj atdalīt atsevišķus objektus, kuriem vajadzētu būt priekšplānā, piemēram, gājējus ielas ainā, no fona virsmām, piemēram, sienām. Bet Hoiem pie tā strādā. Pēc gada vai, iespējams, mazāk, jūs varēsiet nofotografēt aleju ar visdažādākajām automašīnām un cilvēkiem un izveidot 3-D modeli, kurā tie visi ir redzami kā atsevišķi 3-D priekšplāna objekti, viņš saka.
Pēc Piševara teiktā, beta programmatūras gaidīšanas sarakstam ir pievienojušies aptuveni 17 000 cilvēku. Apmeklētāji varēs augšupielādēt un pārveidot savus fotoattēlus 3-D modeļos un uzglabāt tos galerijas zonā, un Freewebs dalībnieki varēs iegult modeļus savās tīmekļa lapās.
Piševars saka, ka Freewebs vērsās Hoiem par viņa darba komercializāciju, jo tas ļoti atbilst mūsu redzējumam par personisko mediju veidu pārveidošanu, kas var dzīvot vizuālā tīmekļa lapā. Tā ir viena no tehnoloģijām, kas maina veidu, kā jūs redzat lietas pasaulē un to, ko jūs domājat par iespējamu.
Galu galā Hoiema darbs varētu mainīt veidu, kā roboti izmanto datorredzi, lai pārvietotos šķēršļu izkaisītā vidē. Hoiem saka, ka viņš un viņa kolēģi strādā arī pie veidiem, kā izveidot sarežģītākus 3-D modeļus, apstrādājot vairākas viena un tā paša apgabala fotogrāfijas. Turklāt viņi strādā pie idejas animēt 3-D ainas, piemēram, aizņemtas ielas, paredzot virzienus, ko gājēji un automašīnas varētu pārvietoties dažu sekunžu laikā pēc fotogrāfa slēdža noklikšķināšanas.
Tā kā Fotowoosh modeļi atbilst standarta 3-D formātam, VRML, tos var viegli importēt citās 3-D lietojumprogrammās, piemēram, modelēšanas programmatūrā; ieskaujošas virtuālās pasaules, piemēram, Linden Lab’s Second Life; un virtuālās zemeslodes sistēmas, piemēram, Google Earth un Microsoft Virtual Earth. Iespēja šajās pasaulēs no dažām divdimensiju fotogrāfijām izveidot tekstūras kartētas 3-D ēkas būtu liels sasniegums salīdzinājumā ar pašreizējām metodēm, kas ietver 3D modeļa izveidi no rasējumiem vai citiem datiem, pēc tam manuāli ielīmējot fotogrāfijas katrā. pusē. Tas vienkārši nav mērogojams, saka Piševars. Bet, ja jums ir cilvēki, kas augšupielādē miljardiem 3-D attēlu no visas pasaules, tad jūs varētu izveidot lietojumprogrammas, kas izmanto modeļus, lai automātiski aizpildītu virtuālo zemju ainavas.
Piševars saka, ka Freewebs galu galā nodrošinās lietojumprogrammu saskarni jeb API, ko programmatūras izstrādātāji var izmantot, lai izveidotu tieši šādus sajaukumus. Jautāts, vai viņa uzņēmums jau apspriežas ar tādiem uzņēmumiem kā Google vai Linden Lab, Piševars ir prātīgs: mēs šobrīd nevaram to komentēt.