Blaise Aguera y Arcas: Jaw-dropping Photosynth demo

검토: John Lynch

What I'm going to show you first, as quickly as I can,

먼저, 가능한 한 빨리, 보여드릴 것은,

is some foundational work, some new technology

거의 정확히 일 년 전에 합병의 일환으로

that we brought to Microsoft as part of an acquisition

우리가 마이크로소프트에 가지고 갔던

almost exactly a year ago.

어떤 기초 작업, 신기술입니다.

This is Seadragon, and it's an environment

여러분이 현지에서나 원거리에서나

in which you can either locally or remotely interact

with vast amounts of visual data.

막대한 양의 시각 데이터로 상호 작용할 수 있는 환경입니다.

We're looking at many, many gigabytes of digital photos here

여기서 우리는 상당히 많은 기가바이트의 디지털 사진들을 보고 있고,

and kind of seamlessly and continuously zooming in,

이음새없이 아주 매끄럽고 연속적으로 줌 인해 들어가고,

panning through it, rearranging it in any way we want.

다른 쪽으로 패닝하고, 우리가 원하는 어떤 식으로든 재배치를 할 수 있습니다.

And it doesn't matter how much information we're looking at,

우리가 얼마나 많은 정보를 보고 있는지,

how big these collections are or how big the images are.

이 컬렉션이 정말 얼마나 큰 지, 이미지들이 얼마나 큰 지는 그리 중요하지 않습니다.

Most of them are ordinary digital camera photos,

이중 대부분은 평범한 디지털 카메라 사진들입니다.

but this one, for example, is a scan from the Library of Congress,

하지만, 예를 들어, 이것은 국회도서관에서 스캔한 것입니다.

and it's in the 300 megapixel range.

거의 300 메가픽셀 짜리입니다.

It doesn't make any difference

그래도 별 차이가 없습니다.

because the only thing that ought to limit the performance of a system like this one

이와 같은 시스템의 성능을 제한하는 유일한 요소는

그 순간 화면의 픽셀수입니다.

is the number of pixels on your screen at any given moment.

It's also very flexible architecture.

또한 이것은 아주 유연한 아키텍처입니다.

This is an entire book, so this is an example of non-image data.

이것은 비이미지 데이터의 예로서, 책 전체입니다.

This is "Bleak House" by Dickens.

이것은 디킨즈의 "황량한 집"입니다. 각 열이 한 챕터입니다.

Every column is a chapter.

To prove to you that it's really text, and not an image,

이게 이미지가 아닌 실제 텍스트라는 걸 증명해 드리기 위해

we can do something like so, to really show

이런 작업도 할 수 있습니다. 이게 그림이 아니고

that this is a real representation of the text; it's not a picture.

정말로 텍스트의 표현이라는 것을 보여드리기 위해서 말이죠.

Maybe this is an artificial way to read an e-book.

어쩌면 이것은 e-북을 읽는 일종의 인위적인 방법이라고 할 수 있습니다.

I wouldn't recommend it.

추천해 드리지는 않겠습니다.

This is a more realistic case, an issue of The Guardian.

이것은 좀더 현실적인 경우입니다. 이건 가디언 잡지입니다.

Every large image is the beginning of a section.

큰 이미지들은 섹션의 시작입니다.

And this really gives you the joy and the good experience

이것은 정말 여러분께 진짜 종이로 된 잡지나 신문을 읽는

of reading the real paper version of a magazine or a newspaper,

기쁨과 좋은 경험을 전해드립니다.

which is an inherently multi-scale kind of medium.

원래가 다중스케일 유형의 매체거든요.

We've done something

또한 바로 이번호의 가디언 구석에

with the corner of this particular issue of The Guardian.

작은 작업 하나를 해 놓았습니다.

We've made up a fake ad that's very high resolution --

아주 고해상도로 위조 광고를 만들었지요--

much higher than in an ordinary ad --

보통 광고에서 보실 수 있는 것보다 훨씬 더 고해상도로--

and we've embedded extra content.

그리고 추가 컨텐츠를 내장해 넣었습니다.

If you want to see the features of this car, you can see it here.

이 자동차의 특징을 보고 싶으시면, 여기서 보실 수 있습니다.

Or other models, or even technical specifications.

아니면 다른 모델들, 또는 기술 사양까지도.

And this really gets at some of these ideas

인터넷 부동산에서 정말 그 한계를 없애는 것에 대해

about really doing away with those limits on screen real estate.

이런 아이디어를 얻습니다.

We hope that this means no more pop-ups

이것으로 인해 더이상 팝업창이나

and other rubbish like that -- shouldn't be necessary.

이런 저런 쓸데없는 것들이 더 뜨지 않기를 바랍니다. 필요없으니까요.

Of course, mapping is one of those obvious applications

물론, 이런 기술에는 지도 작업이 가장 확실한

for a technology like this.

응용 프로그램 중 하나입니다.

And this one I really won't spend any time on,

그리고 여기에는 정말 시간을 쓰지 않겠습니다.

except to say that we have things to contribute to this field as well.

단, 이 말씀만 드리고 싶어요. 저희는 이 분야에 기여할 만한 것도 가지고 있습니다.

But those are all the roads in the U.S.

저것들은 미국의 모든 길들을

superimposed on top of a NASA geospatial image.

NASA 지리공간 자료 위에 겹친 이미지입니다.

So let's pull up, now, something else.

이제 세워놓고, 다른 것을 볼까요?

This is actually live on the Web now; you can go check it out.

지금 웹에서 라이브 중이니, 가서 확인해 보실 수 있습니다.

This is a project called Photosynth, which marries two different technologies.

이것은 포토신스라고 부르는 프로젝트입니다.

두 가지 다른 기술들이 정말 합쳐집니다.

One of them is Seadragon

그 중 하나는 씨드래곤입니다.

and the other is some very beautiful computer-vision research

다른 것은 아주 아름다운 컴퓨터 비전 연구입니다.

done by Noah Snavely, a graduate student at the University of Washington,

워싱턴대학교 대학원생인 노아 스네이블리가 만든 것인데,

co-advised by Steve Seitz at U.W.

워싱턴대학교의 스티브 스타이츠와

and Rick Szeliski at Microsoft Research.

마이크로소프트 리서치의 릭 첼리스키의 공동 지도를 받았지요. 참 멋진 협력입니다.

A very nice collaboration.

And so this is live on the Web. It's powered by Seadragon.

그리고 웹에서 라이브로 볼 수 있습니다. 씨드래곤이 지원하고 있습니다.

You can see that when we do these sorts of views,

우리는 이런 종류의 것들을 볼 때

where we can dive through images

이미지 속으로 깊이 들어갈 수 있고

and have this kind of multi-resolution experience.

이런 종류의 다중 해상도 경험을 갖게 됩니다.

But the spatial arrangement of the images here is actually meaningful.

그러나 여기서 이미지들의 공간적인 배치가 사실 의미있습니다.

The computer vision algorithms have registered these images together

컴퓨터 비전 알고리듬은 이 이미지들을 함께 등록했고,

so that they correspond to the real space in which these shots --

그래서 이 이미지들은 캐나다 록키산맥의 그래시 호수 근처--

all taken near Grassi Lakes in the Canadian Rockies --

이 사진들이 찍힌 진짜 공간과 일치합니다.

all these shots were taken.

여기서 안정화된 슬라이드 쇼나

So you see elements here

of stabilized slide-show or panoramic imaging,

전방위 영상 시스템의 요소들,

and these things have all been related spatially.

이것들은 모두 공간적으로 연결되어 있습니다.

I'm not sure if I have time to show you any other environments.

다른 환경들을 보여드릴 시간이 될 지 잘 모르겠습니다.

Some are much more spatial.

훨씬 더 공간적인 것들이 있습니다.

I would like to jump straight to one of Noah's original data-sets --

막바로 노아의 원래 데이터 세트 중 하나에 대해 얘기할까 합니다.

this is from an early prototype that we first got working this summer --

이것은 포토신스의 초기 원형에서 비롯된 것인데,

여름에 우리가 처음 작업하게 되었던 것입니다.

to show you what I think

이게 바로 이 기술, 포토신스 기술 뒤에 숨어 있는

is really the punch line behind the Photosynth technology,

핵심을 찌르는 것이라고 생각합니다. 이것을 보여드리고 싶습니다.

It's not necessarily so apparent

우리가 웹사이트에 올려놓는 환경을 볼 때

from looking at the environments we've put up on the website.

그렇게 분명할 필요는 없습니다.

We had to worry about the lawyers and so on.

우리는 변호사 등에 대해 걱정해야 했습니다.

This is a reconstruction of Notre Dame Cathedral

이것은 노틀담 대성당을

that was done entirely computationally from images scraped from Flickr.

플릭커에서 스크랩한 이미지들을 가지고

전적으로 수학적으로 재구성한 것입니다. 플릭커에 노틀담이라고만 치면,

You just type Notre Dame into Flickr,

and you get some pictures of guys in T-shirts, and of the campus and so on.

티셔츠 입은 사람들, 캠퍼스의 사람들 사진 등이 나옵니다.

이 오렌지 원뿔 하나 하나가 이 모델에 속하는 것으로 발견된

And each of these orange cones represents an image

that was discovered to belong to this model.

이미지를 나타냅니다.

And so these are all Flickr images,

그리고 이것들은 모두 플릭커 이미지입니다.

and they've all been related spatially in this way.

모두 이런 식으로 서로 공간적으로 관련되어 있습니다.

We can just navigate in this very simple way.

이렇게 아주 간단한 방법으로 네비게이션을 할 수 있습니다.

(Applause)

(박수).

(Applause ends)

You know, I never thought that I'd end up working at Microsoft.

저는 제가 결국 마이크로소프트에서 일하게 될 것이라고는 생각해 본 적이 없습니다.

It's very gratifying to have this kind of reception here.

여기서 이런 식의 접대를 받다니 너무나 감사합니다.

(Laughter)

(웃음).

I guess you can see this is lots of different types of cameras:

여러분은 수많은 종류의 많은 카메라들을

보실 수 있을 것입니다.

it's everything from cell-phone cameras to professional SLRs,

핸드폰 카메라에서부터 전문가용 SLR에 이르기까지 다양합니다.

quite a large number of them, stitched together in this environment.

꽤 많은 수의 사진들을 이 환경에

함께 짜넣었습니다.

If I can find some of the sort of weird ones --

가능하다면, 저는 이상한 종류의 것들을 찾을 것입니다.

So many of them are occluded by faces, and so on.

많은 것들이 얼굴로 가려져 있습니다.

Somewhere in here there is actually a series of photographs -- here we go.

여기 저기는 사실

일련의 사진들입니다 - 여기 있네요.

This is actually a poster of Notre Dame that registered correctly.

이것이 실제로 정확하게 등록된 노틀담 포스터입니다.

We can dive in from the poster

우리는 포스터로부터

to a physical view of this environment.

이 환경의 물리적인 광경으로 깊이 잠수할 수 있습니다.

What the point here really is

여기서 진짜 중요한 것은 우리가 사회적인 환경으로도 이런 것들을

is that we can do things with the social environment.

할 수 있다는 것입니다. 이것은 모든 사람으로부터 데이터를 취하고 있습니다.

This is now taking data from everybody --

from the entire collective memory, visually, of what the Earth looks like --

시각적으로, 지구처럼 보이는 것의

전체적인 집단 기억으로부터--

and link all of that together.

그리고 모든 것들을 연결시킵니다.

Those photos become linked, and they make something emergent

이 모든 사진들이 서로 연결되고,

부분들의 총합보다 훨씬 큰

that's greater than the sum of the parts.

것이 나타나도록 합니다.

You have a model that emerges of the entire Earth.

지구 전체에서 나타나는 모델입니다.

Think of this as the long tail to Stephen Lawler's Virtual Earth work.

이것을 스티븐 롤러의 시각적 지구 작품의 긴 꼬리라고 생각하세요.

And this is something that grows in complexity as people use it,

사람들이 이용할 때, 그 복합성이

더 커지는 것이고, 사용자들이 사용할 때,

and whose benefits become greater to the users as they use it.

혜택이 더 커지는 것입니다.

Their own photos are getting tagged with meta-data that somebody else entered.

자기가 찍은 사진들이 다른 누군가가 입력한

메타 데이타라는 태그를 갖게 됩니다.

If somebody bothered to tag all of these saints

누군가가 이 모든 성인들에게 태그를 붙이는 것이 귀찮고,

and say who they all are, then my photo of Notre Dame Cathedral

도대체 이게 다 누구냐고 한다면, 제 사진 노틀담 대성당이

suddenly gets enriched with all of that data,

갑자기 나타나 그 모든 데이터를 풍성하게 만들고

and I can use it as an entry point to dive into that space,

저는 그 공간 깊은 곳으로,

into that meta-verse, using everybody else's photos,

메타-시 깊은 곳으로, 다른 사람의 사진들을 이용하여,

and do a kind of a cross-modal

깊이 잠수해 갈 시작점으로 이용할 수 있습니다.

and cross-user social experience that way.

그런 식으로 상호 사용자 사회 경험이 됩니다.

And of course, a by-product of all of that is immensely rich virtual models

물론, 그 모든 것의 부산물은

지구의 모든 흥미로운 부분의

of every interesting part of the Earth,

엄청나게 풍요로운 버추얼 모델들입니다.

collected not just from overhead flights and from satellite images

머리 위를 지나가는 비행기나 위성 이미지들에서 수합한 것이 아니라

and so on, but from the collective memory.

집단적인 기억에서 수합한 것입니다.

Thank you so much.

대단히 감사합니다.

(Applause)

(박수).

(Applause ends)

Chris Anderson: Do I understand this right?

크리스 앤더슨: 제가 제대로 이해를 하고 있나요? 말씀하신 소프트웨어가

What your software is going to allow,

is that at some point, really within the next few years,

어떤 시점에서, 정말 앞으로 몇 년 내에,

all the pictures that are shared by anyone across the world

전세계에서 누구나 공유하는 모든 사진들이

are going to link together?

기본적으로 서로 연결되도록 해줄 것이라는 건가요?

BAA: Yes. What this is really doing is discovering,

BAA: 예. 이것이 실제로 하고 있는 것은 발견하는 것입니다.

creating hyperlinks, if you will, between images.

그리고 이미지들 간에 하이퍼링크를 만드는 것입니다.

It's doing that based on the content inside the images.

이미지 내부에 있는 컨텐츠를 기반으로

그렇게 하는 것입니다.

And that gets really exciting when you think about the richness

그 수많은 이미지들이 가지고 있는 의미론적인 정보의

of the semantic information a lot of images have.

풍요로움에 대해 생각해 보시면 정말 흥분하게 됩니다.

Like when you do a web search for images,

이미지를 찾아 웹검색을 할 때처럼,

you type in phrases,

원하는 구절을 입력합니다. 웹페이지의 텍스트가

and the text on the web page is carrying a lot of information

그 사진이 무엇인지에 대해 수많은 정보를 담고 있습니다.

about what that picture is of.

What if that picture links to all of your pictures?

이제, 그 사진이 여러분의 사진 모두와 연결되면 어떻게 될까요?

그러면, 의미론적인 상호 연결의 양과

The amount of semantic interconnection and richness

그로부터 나오는 풍요로움의 양이

that comes out of that is really huge.

정말로 막대합니다. 고전적인 네트워크 효과입니다.

It's a classic network effect.

CA: Truly incredible. Congratulations.

크리스 앤더슨: 블레즈, 정말 놀랍습니다. 축하합니다.

BAA: 대단히 감사합니다.