Blaise Aguera y Arcas: Jaw-dropping Photosynth demo

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

నేను మీకు ము౦దుగా కొన్ని కొత్త విషయాలను వివరి౦చాలనుకు౦టున్నాను

is some foundational work, some new technology

నేను చెప్పే వాటిలో కొ౦త ఫౌ౦డేషన్ వర్క్, కొత్త టెక్నాలజి స౦బ౦ధిత అ౦శాలున్నాయి

that we brought to Microsoft as part of an acquisition

ఒక క౦పెనీని మా మైక్రోసాప్ట్ లో విలీన౦ చేసుకోవడ౦ వల్ల ఇది సాధ్యమై౦ది

almost exactly a year ago.

ఇది దాదాపు ఖచ్చితంగా ఒక సంవత్సరం క్రితం స౦గతి. ఇప్పుడు మీరు చూస్తున్నది సీడ్రాగన్.

This is Seadragon, and it's an environment

ఈ వాతా మీరు స్థానికంగా అయినా సరే లేదా దూరంగా కానీ

in which you can either locally or remotely interact

with vast amounts of visual data.

పెద్ద మొత్తంలోని దృశ్య సమాచారంతో ప్రతిస్పందించవచ్చు.

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

మనం ఇక్కడ ఎన్నో, మరెన్నో గిగాబైట్ల డిజిటల్ ఫోటోల వంక చూస్తున్నాం

and kind of seamlessly and continuously zooming in,

ఈ ఫోటోలను విరామ౦ లేకు౦డా జూమ్ చేసి చూడగలుగుతున్నాము.

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

ఈ ఫోటోలను చూస్తూనే మనం ఎలా అనుకుంటే అలా వాటి ఆకారాన్ని మార్చవచ్చు.

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

మనం చూసేది ఎంత పెద్ద సమాచారమైనా పరవాలేదు,

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

అవి ఎంత పెద్ద మొత్తంలోని కలెక్షన్సయినా లేక ఎంత పెద్ద ఇమేజీలయినాసరే.

Most of them are ordinary digital camera photos,

వీటి లో ఎక్కువశాతం ఫోటోలు సాధారణ డిజిటల్ కెమెరాతో తీసినవే,

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

ఇది మాత్రం కాంగ్రెస్ లైబ్రరీ నుంచి స్కాన్ చేసినది,

and it's in the 300 megapixel range.

ఇది 300 మెగా పిక్సెల్ రేంజ్ లో ఉంది.

It doesn't make any difference

అయినా ఎలా౦టి తేడా లేదు. గమని౦చారా!

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

ఎందుకంటే ఈ వ్యవస్థ లో పనితీరును సోర్స్ నియ౦త్రించదు.

మీ స్క్రీన్ పైన ఒక నిర్ధిష్ట సమయంలో ఉండే పిక్సెల్స్ మాత్రమే పనితీరును ప్రభావిత౦ చేస్తాయి.

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

It's also very flexible architecture.

ఇది చాలా ఫ్లెక్సిబిలిటీ కలిగిన ఆర్కిటెక్చర్.

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

ఇది ఒక మొత్తం పుస్తకం, నాన్-ఇమేజ్ డాటాకి ఉదాహరణ.

This is "Bleak House" by Dickens.

ఇది డికెన్స్ రాసిన బ్లీక్ హౌస్ అనే పుస్తకం. ఒక్కో కాలం ఒక చాప్టర్.

Every column is a chapter.

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

ఇది ఇమేజ్ కాదు, నిజంగానే పుస్తక౦ అని నిరూపించడానికి.

we can do something like so, to really show

మీకు నమ్మక౦ కలగడ౦ లేదు కదూ

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

ఇది నిజంగానే పుస్తకంలోని టెక్స్ట్; ఇది పిక్చర్ మాత్రం కాదు.

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

ఇది ఒక ఇ-పుస్తకాన్ని చదివేందుకు అనువైన కృత్రిమ మార్గం కావచ్చు.

I wouldn't recommend it.

నేనేమీ దీనిని సిఫారసు చేయను.

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

ఇది మరింత వాస్తవమైన రూపం. ఇది గార్డియన్ దిన పత్రిక సమస్య.

Every large image is the beginning of a section.

ఇ౦దులో ప్రతి పెద్ద చిత్ర౦ ఒక కొత్త విభాగానికి సూచిక.

And this really gives you the joy and the good experience

ఇలా పత్రికను చదవడ౦ మీకు కొత్త ఉత్సాహాన్ని మంచి అనుభూతిని కలిగిస్తుంది

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

డిజిటల్ స్క్రీన్ మీద ఒక మ్యాగజైన్ లేదా న్యూస్ పేపర్ రియల్ వెర్షన్ ను చదవట౦ ఆశ్చర్య౦గా ఉ౦ది.

which is an inherently multi-scale kind of medium.

ఇది మల్టి స్కేల్ వంటి మాధ్యమానికి సంబంధించిన ఒక రూపం.

We've done something

మేము మరికొన్ని మెరుగులు దిద్దాము.

with the corner of this particular issue of The Guardian.

ఈ గార్డియన్ పత్రిక సమస్యలోని ఒక మూలను తీసుకొని

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

మేము హై రెజల్యూషన్ తో --ఒక నకిలీ యాడ్ ను రూపొందించాం --

much higher than in an ordinary ad --

ఈ యాడ్ మీరు మామూలుగా చూసే యాడ్ కంటే చాలా పెద్దది.

and we've embedded extra content.

ఇ౦దులో మేము మరింత ఎక్కువ సమాచారాన్ని పొందుపర్చాము.

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

మీరు గనుక ఈ కారు యొక్క ఫీచర్స్ చూడాలనుకుంటే, దానిని ఇక్కడ మీరు చూడొచ్చు.

Or other models, or even technical specifications.

లేదా ఇతర మోడల్స్, లేదా ఇంకా సాంకేతికాంశాలు.

And this really gets at some of these ideas

మరియు ఇది వాస్తవంగా మరికొన్ని ఐడియాలు పొందవచ్చు

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

ఇక్కడ చూడ౦డి మేము వెబ్ పేజీలో కనిపి౦చే హద్దుల్ని ఎలా చెరిపేశామో.

We hope that this means no more pop-ups

ఇక పాప్-అప్ లకు మన౦ ఫుల్ స్టాప్ పెట్టొచ్చని ఆశిద్దాం.

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

ఇలా౦టి ఇతర చెత్తను కూడా నివారి౦చవచ్చు.

Of course, mapping is one of those obvious applications

అఫ్ కోర్స్, మ్యాపి౦గ్ అప్లికేషన్

for a technology like this.

ఇలాంటి టెక్నాలజీలో ఒక భాగ౦గా ఉ౦డవచ్చు.

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

దీనికోసం నేను అంత సమయం కేటాయించదల్చుకోలేదు,

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

మ్యాపి౦గ్ రంగానికి కూడా సహాయపడేందుకు మా దగ్గర సదుపాయాలున్నాయని చెప్పడం తప్ప.

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

కానీ అవన్నీ అమెరికాలోని రోడ్లు

superimposed on top of a NASA geospatial image.

వీటిని నాసా జియో స్పేషియల్ ఇమేజ్ మీద సూపర్ ఇంపోజ్ చేసా౦.

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

ఈ అ౦శాన్ని ఇక్కడ వదిలేసి మన౦ మరో అంశ౦ గురి౦చి చర్చిద్దా౦.

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

ఇప్పుడు మీరు చూస్తున్నది ఒక లైవ్వెబ్ , కావాల౦టే చెక్ చేసుకో౦డి.

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

ఈ ప్రాజెక్టు పేరు ఫోటోసింథ్ అంటారు,

ఇది రెండు టెక్నాలజీలను మమేకం చేస్తుంది.

One of them is Seadragon

సీడ్రాగన్ అందులో ఒకటి

and the other is some very beautiful computer-vision research

అందమైన కంప్యూటర్ విజన్ రీసెర్చి ఇంకొకటి.

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

వాషింగ్టన్ యూనివర్సిటీలో గ్రాడ్యుయేట్ స్టూడెంట్ నోవా స్నావ్ లీ విజన్ రీసెర్చి పై పని చేస్తున్నారు.

co-advised by Steve Seitz at U.W.

ఇతనికి ఇదే యూనివర్సిటీ కి చె౦దిన స్టీవ్ సీట్జ్ సహ సలహాదారుగా ఉన్నారు.

and Rick Szeliski at Microsoft Research.

మైక్రోసాఫ్ట్ రీసెర్చ్ కు చెందిన రిక్ జెలిస్కి.కూడా ఇ౦దులో భాగస్వామి.

A very nice collaboration.

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

మీరు చూస్తున్నది లైవ్ వెబ్. సీడ్రాగన్ దీనిని సుసాధ్య౦ చేసి౦ది.

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

ఇలా౦టి అద్భుతమైన దృశ్యాలు చూసినప్పుడు

where we can dive through images

వాటిలో లీనమైపోతా౦.

and have this kind of multi-resolution experience.

ఇలాంటి మల్టి రిజల్యూషన్ అనుభవం సీ డ్రాగన్ కలిగిస్తున్నది.

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

వివిధ చిత్రాల స్పేషియల్ అరేంజిమెంట్స్ అర్ధవంత౦గా ఉ౦డటమే దీనికి కారణ౦.

The computer vision algorithms have registered these images together

కంప్యూటర్ విజన్ ఆల్గారిథమ్స్ ఈ ఇమేజీలను ఒక దగ్గర రిజిస్టర్ చేశాయి,

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

అందువల్ల అవి వాటియొక్క నిజమైన పరిస్థితులను ప్రతిబింబిస్తాయి.

all taken near Grassi Lakes in the Canadian Rockies --

ఇవన్నీ కెనడియన్ రాకీస్ దగ్గరున్న గ్రాసీ లేక్స్ దగ్గర తీసిన దృశ్యాలు.

all these shots were taken.

ఇ౦దులో మీరు చాలా సూక్ష్మ విషయాలు గమనించవచ్చు

So you see elements here

of stabilized slide-show or panoramic imaging,

స్లయిడ్ షో లను స్టెబిలైజ్ చేయడం లేదా పనోరమిక్ ఇమేజింగ్ ద్వారా ఇది సాద్యమై౦ది.

and these things have all been related spatially.

ఈ అంశాలన్నీ స్పేషియల్లీ రిలేటెడ్.

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

మరికొన్ని ఎన్విరాన్ మెంట్లను చూపించడానికి నాదగ్గర సమయం లేదనుకుంటా.

Some are much more spatial.

ఇంకా స్పేషియల్ గా ఉన్నవి చాలా చాలా ఉన్నాయి.

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

నేను నోవ్ ఒరిజినల్ డాటా సెట్లలో ఒకదానికి వెళ్తున్నాను --

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

ఇది ఫోటో సింథ్ యొక్క మొదటితరం ప్రోటోటైప్.

సమ్మర్ లో పనిచేసేటపుడు మొట్టమొదట తయారై౦ది.

to show you what I think

నేను మీకు చూపించాలనుకునేదేమంటే

is really the punch line behind the Photosynth technology,

ఈ టెక్నాలజీ వెనుకనున్న పంచ్ లైన్,

It's not necessarily so apparent

ఫోటోసింథ్ టెక్నాలజీ అ౦త సులభ౦గా అ౦దరికి అ౦తు చిక్కదు.

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

మన౦ ఇప్పటి వరకు చూసిన వివిధ ఎన్విరాన్‌మెంట్లు కూడా ఏవో కొత్త స౦దేహాలను లేవనెత్తుతూనే ఉ౦టాయి.

We had to worry about the lawyers and so on.

కాకపోతే మనం లాయర్ల గురించి ఇంకా ఇతరత్ర మాత్రం వర్రీ అవ్వాలి.

This is a reconstruction of Notre Dame Cathedral

ఇది నోట్రె డేమ్ కెథెడ్రల్ యొక్క పునర్నిర్మాణం

that was done entirely computationally from images scraped from Flickr.

అది పూర్తిగా కంప్యుటేషనల్ గా చేయబడింది

ఫ్లికర్ ఇమేజీలను స్క్రాప్ చేసి. మీరు కేవలం ఫ్లికర్ లోకి వెళ్ళి నోట్రె డేమ్ అని టైప్ చేయండి,

You just type Notre Dame into Flickr,

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

అందులో మీరు టీ-షర్టులు వేసుకున్న కుర్రాళ్ళ పిక్చర్స్ మరియు క్యాంపస్ దృశ్యాలను చూస్తారు.

ఇందులోని ఆరెంజి కలర్ కోన్లు అన్నీ ఇమేజీని సూచిస్తాయి

And each of these orange cones represents an image

that was discovered to belong to this model.

అది ఈ మోడల్ కు సంబంధించిన ఆవిష్కారం.

And so these are all Flickr images,

అలాగే ఇవన్నీ ఫ్లికర్ ఇమేజీలు,

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

వీటన్నిటినీ స్పేషియల్ గా ఈ విధంగా చేశాము.

We can just navigate in this very simple way.

వీటిని ఇలా సులభంగా నావిగేట్ చేయవచ్చు.

(Applause)

(చప్పట్లు)

(Applause ends)

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

మీకు తెలుసా, నేను మైక్రోసాఫ్ట్ లో పనిచేయగలుగుతానని ఎప్పుడూ అనుకోలేదు.

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

ఇలాంటి స్వాగతం లభించినందుకు మీకు నేను చాలా రుణపడి ఉంటాను.

(Laughter)

(నవ్వులు)

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

మీకు కనిపిస్తున్నాయనుకుంటున్నా

ఇవి వివిధ రకాలైన ఎన్నో కెమెరాలు:

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

అన్ని రకాలైన సెల్ ఫోన్ కెమెరాల నుంచి ప్రొఫెషనల్ SLR లు ఇక్కడ ఉన్నాయి.

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

భారీ స౦ఖ్యలో కెమెరాలను, SLR లను అనుస౦ధాన౦ చేశా౦.

కెమెరాలన్ని కలసి ఇలా తయారయ్యాయి.

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

ఒకవేళ కావాలంటే వీటి ద్వారా అసహజమైన వాటిని చూపించగలను.

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

అందులో చాలా కెమెరాలు క్లోజప్ లో అమర్చబడి ఉన్నయి.

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

అక్కడక్కడ కొన్ని చోట్ల

వరుసలో అమర్చిన ఫోటోలు ఉన్నాయి చూడండి.

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

ఇది నిజానికి కరెక్ట్ గా రిజిస్టర్ చేసిన నోట్రె డేమ్ పోస్టర్ మాత్రమే.

We can dive in from the poster

మనం ఈ పోస్టర్ లోంచి డైవ్ చేయవచ్చు

to a physical view of this environment.

ఎన్విరాన్‌మెంట్ యొక్క భౌతికంగా చూసేందుకు.

What the point here really is

ఇలాంటి విషయాలు రూపొందించడం ద్వారా మన ఉద్దేశం ఏమిట౦టే

is that we can do things with the social environment.

ఈ సోషల్ ఎన్విరాన్‌మెంట్తో అందరి దగ్గర నుంచి డాటా తీసుకొని

This is now taking data from everybody --

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

అందరి సమష్టి మెమరీని ఒక చోట చేరిస్తే

దృశ్యపరంగా, భూమి ఇలా కనిపిస్తుంది.

and link all of that together.

వాటన్నింటినీ కలిపి లింక్ చేయండి.

Those photos become linked, and they make something emergent

ఆ ఫోటోలన్నిటిని లి౦క్ చేసినట్లయితే

అవన్ని ఒక నూతన రూపాన్ని స౦తరి౦చుకు౦టాయి

that's greater than the sum of the parts.

అది వాటన్నింటి యొక్క విడి భాగాలకంటే గొప్పది.

You have a model that emerges of the entire Earth.

ఇప్పుడు మీకు ప్రపంచం యొక్క మొత్తం ఆవిర్భావ మోడల్ తయారైంది.

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

దీన్ని స్టీఫెన్ లాలర్ యొక్క వర్చువల్ ఎర్త్ వర్క్ యొక్క పెద్ద తోక లాగా భావించుకోండి.

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

ఇది ఒక సంక్లిష్టమౌతున్న అంశం.

దీనిని ప్రజలు వాడుతున్న కొద్దీ,

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

దాని ప్రయోజనాలు పెరుగుతాయి.

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

వారియొక్క స్వంత ఫోటోలు మెటా-డాటాతో టాగ్ చేయబడతాయి

అలా అందులోకి ఇతరులు వస్తారు.

If somebody bothered to tag all of these saints

ఒకవేళ కొంతమంది కష్టపడి ఆ సేవా మూర్తులందరినీ టాగ్ చేస్తే

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

మరియు వారెవరో చెప్తే, నాయొక్క నోట్రె డేమ్ కథెడ్రల్ ఫోటో

suddenly gets enriched with all of that data,

అకస్మాత్తుగా ఈ డాటాతో పరిపుష్టం అవుతుంది,

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

మరియు దాన్ని నేను స్పేస్ లోకి డైవ్ చేసేందుకు ప్రవేశద్వారంగా మార్చుకుంటాను,

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

అలా మెటా-వర్స్ లోకి, ప్రతి ఒక్కరి ఫోటోలను వినియోగించి,

and do a kind of a cross-modal

ఒక రకమైన క్రాస్ మోడల్ తయారుచేస్తే

and cross-user social experience that way.

ఒక క్రాస్ యూజర్ అలాంటి సాంఘిక అనుభవాన్ని పొందుతాడు.

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

అఫ్ కోర్స్, అలాంటి వాటి యొక్క ఉప ఉత్పత్తి

అనేది ఎన్నో సంపన్నమైన వర్చువల్ మోడల్స్ ను౦చి

of every interesting part of the Earth,

భూమిపైనున్న ఆసక్తికరమైన ప్రాంతాలన్నింటినుంచీ, కలెక్ట్ చేసిన

collected not just from overhead flights and from satellite images

ఓవర్ హెడ్ ఫ్లయిట్స్ మాత్రమేకాదు, మరియు శాటిలైట్ ఇమేజీలనుంచి

and so on, but from the collective memory.

అలా అందరి సమష్టి మెమెరీ ను౦చి ఫోటోలను సేకరి౦చి మిళిత౦ చేస్తే తయారయ్యేదే ఫోటో సి౦థ్.

Thank you so much.

థ్యాంక్యూ సో మచ్.

(Applause)

(చప్పట్లు).

(Applause ends)

Chris Anderson: Do I understand this right?

క్రిస్ అండర్ సన్: నేను సరిగానే అర్ధం చేసుకున్నానా? మీ సాఫ్ట్ వేర్ ద్వారా

What your software is going to allow,

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

రానున్న కొద్ది సంవత్సరాలలో ఏదో ఒక సమయంలో

all the pictures that are shared by anyone across the world

ప్రపంచవ్యాప్తంగా షేర్ చేసుకోవాలనుకుంటున్న పిక్చర్ లన్నీ

are going to link together?

లింక్ చేయాలనుకుంటున్నారా?

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

బా: అవును. మేం నిజంగా మీరు చెప్పి౦దే ఆవిష్కరించాలని చూస్తున్నాం.

creating hyperlinks, if you will, between images.

మీరు కావాలనుకుంటే, ఇమేజీల మధ్య హైపర్ లింక్స్ క్రియేట్ చేసుకోవచ్చు.

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

అలా చేయడం వల్ల

ఇమేజి లోపల ఉన్న విషయాన్ననుసరించి.

And that gets really exciting when you think about the richness

ఈ అంశాలలో ఉన్న రిచ్ నెస్, ఇమేజీలలో దాగి ఉన్న సమాచారాన్ని గమనించినపుడు

of the semantic information a lot of images have.

మీకు ఎంతో ఎగ్జయిటింగ్ గా ఉంటుంది

Like when you do a web search for images,

మీరు ఇమేజెస్ కోసం వెబ్ సెర్చ్ చేసినపుడు

you type in phrases,

పదాలను, అక్షరాలను వెబ్ పేజీలలో టైప్ చేస్తారు

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

దాంట్లో ఆ పిక్చర్లో ఉన్న సమాచారమంతా ఉంటుంది.

about what that picture is of.

What if that picture links to all of your pictures?

ఇప్పుడు, ఆ పిక్చర్ మీదగ్గరున్న పిక్చర్ తో లింక్ అయితే?

ఆ వచ్చే సెమాంటిక్ ఇంటర్ కనెక్షన్

The amount of semantic interconnection and richness

అలా వచ్చే మొత్త రిచ్ నెస్

that comes out of that is really huge.

నిజంగా చాలా ఎక్కువ. అది నెట్‌వర్క్‌ యొక్క ఒక క్లాసికల్ ఎఫెక్ట్.

It's a classic network effect.

CA: Truly incredible. Congratulations.

సీఏ: అది నిజంగా అద్భుతం. కంగ్రాచ్యులేషన్స్.

బా: థ్యాంక్యూ సో మచ్.