Abe Davis: New video technology that reveals an object's hidden properties

Abe Davis: Nesnelerin gizli özelliklerini ortaya çıkaran yeni video teknolojisi

204,073 views

2015-05-05 ・ TED


New videos

Abe Davis: New video technology that reveals an object's hidden properties

Abe Davis: Nesnelerin gizli özelliklerini ortaya çıkaran yeni video teknolojisi

204,073 views ・ 2015-05-05

TED


Videoyu oynatmak için lütfen aşağıdaki İngilizce altyazılara çift tıklayınız.

Çeviri: Şâkir Aşçı Gözden geçirme: Ramazan Şen
00:13
Most of us think of motion as a very visual thing.
0
13373
3349
Çoğumuz hareketi oldukça görsel bir şey olarak düşünürüz.
00:17
If I walk across this stage or gesture with my hands while I speak,
1
17889
5088
Bu sahne boyunca yürüsem ya da konuşurken el hareketleri yapsam,
00:22
that motion is something that you can see.
2
22977
2261
bu hareketler görebileceğiniz şeylerdir.
00:26
But there's a world of important motion that's too subtle for the human eye,
3
26255
5482
Fakat insan gözünün göremeyeceği belirsizlikte önemli hareketler dünyâsı vardır,
00:31
and over the past few years,
4
31737
2041
ve geçen birkaç yıl içinde,
00:33
we've started to find that cameras
5
33778
1997
kameraların bu hareketleri sıklıkla
00:35
can often see this motion even when humans can't.
6
35775
3410
insanların göremediği zamanlarda bile görebildiğini bulmaya başladık.
00:40
So let me show you what I mean.
7
40305
1551
Ne demek istediğimi göstereyim.
00:42
On the left here, you see video of a person's wrist,
8
42717
3622
Sol tarafta, birisinin bileğinin videosunu görüyorsunuz,
00:46
and on the right, you see video of a sleeping infant,
9
46339
3147
ve sağ tarafta, uyuyan bir bebeğin videosunu görüyorsunuz,
00:49
but if I didn't tell you that these were videos,
10
49486
3146
fakat size bunların video olduğunu söylemesem,
00:52
you might assume that you were looking at two regular images,
11
52632
3761
iki sıradan fotoğrafa bakıyor olduğunuzu sanabilirsiniz,
00:56
because in both cases,
12
56393
1672
çünkü iki durumda da,
00:58
these videos appear to be almost completely still.
13
58065
3047
bu videolar neredeyse tamâmen hareketsiz görünüyor.
01:02
But there's actually a lot of subtle motion going on here,
14
62175
3885
Fakat aslında burada birçok belirsiz hareketlenme var
01:06
and if you were to touch the wrist on the left,
15
66060
2392
ve soldaki bileğe dokunacak olsanız,
01:08
you would feel a pulse,
16
68452
1996
nabzı hissedersiniz
01:10
and if you were to hold the infant on the right,
17
70448
2485
ve sağdaki bebeği tutuyor olsanız,
01:12
you would feel the rise and fall of her chest
18
72933
2391
göğsündeki yükselişi ve alçalışı
01:15
as she took each breath.
19
75324
1390
her nefes alışında hissedersiniz.
01:17
And these motions carry a lot of significance,
20
77762
3576
Bu hareketler birçok önemli bilgi taşır,
01:21
but they're usually too subtle for us to see,
21
81338
3343
fakat genellikle göremeyeceğimiz kadar belirsizdir,
01:24
so instead, we have to observe them
22
84681
2276
bu yüzden, bunun yerine doğrudan temasla,
01:26
through direct contact, through touch.
23
86957
2900
dokunarak gözlememiz gerekir.
01:30
But a few years ago,
24
90997
1265
Fakat birkaç yıl önce,
01:32
my colleagues at MIT developed what they call a motion microscope,
25
92262
4405
MIT'teki meslektaşlarım hareket mikroskobu dedikleri mikroskobu geliştirdi,
01:36
which is software that finds these subtle motions in video
26
96667
4384
videodaki belirsiz hareketleri bulan
01:41
and amplifies them so that they become large enough for us to see.
27
101051
3562
ve görebileceğimiz biçimde olması için büyüten bir yazılımı.
01:45
And so, if we use their software on the left video,
28
105416
3483
Ve bu sayede, soldaki videoda onların yazılımını kullanırsak,
01:48
it lets us see the pulse in this wrist,
29
108899
3250
bilekteki nabzı görmemizi sağlıyor
01:52
and if we were to count that pulse,
30
112149
1695
ve bu nabzı saysak,
01:53
we could even figure out this person's heart rate.
31
113844
2355
bu kişinin kalp atış hızını bile bulabiliriz.
01:57
And if we used the same software on the right video,
32
117095
3065
Ve aynı yazılımı sağdaki videoda kullansak,
02:00
it lets us see each breath that this infant takes,
33
120160
3227
bu bebeğin aldığı her nefesi görmemizi sağlıyor
02:03
and we can use this as a contact-free way to monitor her breathing.
34
123387
4137
ve bunu onun nefesini izlemek için temassız bir yöntem olarak kullanabiliriz.
02:08
And so this technology is really powerful because it takes these phenomena
35
128884
5348
Ve bu teknoloji gerçekten güçlü çünkü normalde dokunarak
02:14
that we normally have to experience through touch
36
134232
2367
deneyimlememiz gereken bütün bu durumları
02:16
and it lets us capture them visually and non-invasively.
37
136599
2957
görsel olarak ve müdahalesizce elde etmemizi sağlıyor.
02:21
So a couple years ago, I started working with the folks that created that software,
38
141104
4411
Birkaç yıl önce, bu yazılımı oluşturan insanlarla çalışmaya başladım
02:25
and we decided to pursue a crazy idea.
39
145515
3367
ve çılgın bir fikrin peşinden gitmeye karar verdik.
02:28
We thought, it's cool that we can use software
40
148882
2693
Düşündük ki, bunun gibi küçücük hareketleri
02:31
to visualize tiny motions like this,
41
151575
3135
görselleştirmek için yazılımı kullanabilmemiz harika
02:34
and you can almost think of it as a way to extend our sense of touch.
42
154710
4458
ve bunu, neredeyse dokunma duyumuzun bir uzantısı olarak düşünebilirsiniz.
02:39
But what if we could do the same thing with our ability to hear?
43
159168
4059
Fakat, ya aynı şeyi duyma yetimiz için de yapabilsek?
02:44
What if we could use video to capture the vibrations of sound,
44
164508
4665
Ya videoyu ses titreşimlerini elde etmek için kullanabilsek,
02:49
which are just another kind of motion,
45
169173
2827
ses titreşimleri de diğer bir tür harekettir,
02:52
and turn everything that we see into a microphone?
46
172000
3346
ya gördüğümüz her şeyi mikrofona dönüştürebilsek?
02:56
Now, this is a bit of a strange idea,
47
176236
1971
Şimdi, bu birazcık tuhaf bir fikir,
02:58
so let me try to put it in perspective for you.
48
178207
2586
bu yüzden, gelin size bir bakış açısı kazandırmaya çalışayım.
03:01
Traditional microphones work by converting the motion
49
181523
3488
Geleneksel mikrofonlar içsel bir zara gelen
03:05
of an internal diaphragm into an electrical signal,
50
185011
3599
hareketi elektrik sinyaline dönüştürerek çalışır
03:08
and that diaphragm is designed to move readily with sound
51
188610
4318
ve bu zar sesle birlikte hareket edecek şekilde tasarlanmıştır,
03:12
so that its motion can be recorded and interpreted as audio.
52
192928
4807
bu sâyede, zarın hareketi ses olarak kaydedilebilir ve yorumlanabilir.
03:17
But sound causes all objects to vibrate.
53
197735
3668
Fakat ses bütün nesneleri titreştirir.
03:21
Those vibrations are just usually too subtle and too fast for us to see.
54
201403
5480
Bu titreşimler genellikle göremeyeceğimiz kadar belirsiz ve hızlıdır.
03:26
So what if we record them with a high-speed camera
55
206883
3738
Ya yüksek hızlı bir kamerayla bu titreşimleri kaydetsek
03:30
and then use software to extract tiny motions
56
210621
3576
ve sonra yüksek hızlı videomuzdaki küçücük hareketleri elde etmek için
03:34
from our high-speed video,
57
214197
2090
yazılımı kullansak
03:36
and analyze those motions to figure out what sounds created them?
58
216287
4274
ve bu hareketleri, hangi seslerin oluşturduğunu anlamak için çözümlesek?
03:41
This would let us turn visible objects into visual microphones from a distance.
59
221859
5449
Bu durum bizim görünen nesneleri uzak görsel mikrofonlara dönüştürmemizi sağlar.
03:49
And so we tried this out,
60
229080
2183
Ve biz bunu yapmaya çalıştık
03:51
and here's one of our experiments,
61
231263
1927
ve işte deneylerimizden birisi,
03:53
where we took this potted plant that you see on the right
62
233190
2949
sağda gördüğünüz bu saksı bitkisini aldık
03:56
and we filmed it with a high-speed camera
63
236139
2438
ve yüksek hızlı bir kamerayla
03:58
while a nearby loudspeaker played this sound.
64
238577
3529
bir hoparlör yakınında bu sesi çıkarırken kaydettik.
04:02
(Music: "Mary Had a Little Lamb")
65
242275
8190
(Müzik: "Mary Had a Little Lamb")
04:11
And so here's the video that we recorded,
66
251820
2824
Ve işte kaydettiğimiz video
04:14
and we recorded it at thousands of frames per second,
67
254644
3924
ve bu videoyu sâniyede bin karelik bir hızda kaydettik,
04:18
but even if you look very closely,
68
258568
2322
fakat çok yakından bile baksanız,
04:20
all you'll see are some leaves
69
260890
1951
göreceğiniz tek şey hiçbir şey yapmadan
04:22
that are pretty much just sitting there doing nothing,
70
262841
3065
olduğu yerde duran birkaç yaprak,
04:25
because our sound only moved those leaves by about a micrometer.
71
265906
4806
çünkü ses bu yaprakları yalnızca bir mikrometre kadar oynattı.
04:31
That's one ten-thousandth of a centimeter,
72
271103
4276
Bu ölçü bir santimetrenin on binde biridir
04:35
which spans somewhere between a hundredth and a thousandth
73
275379
4156
bu da, bu görüntüdeki bir pikselin yüz ile binde biri arasındaki
04:39
of a pixel in this image.
74
279535
2299
bir bölüme karşılık gelir.
04:41
So you can squint all you want,
75
281881
2887
Bu yüzden, ne kadar gözlerinizi kısarak bakarsanız bakın
04:44
but motion that small is pretty much perceptually invisible.
76
284768
3335
bu küçüklükteki hareket, algılanamayacak kadar görünmezdir.
04:49
But it turns out that something can be perceptually invisible
77
289667
4157
Fakat şu ortaya çıktı, bir şey algılanamayacak şekilde görünmez olabilir
04:53
and still be numerically significant,
78
293824
2809
ve yine de sayısal olarak önemlidir,
04:56
because with the right algorithms,
79
296633
2002
çünkü doğru algoritmalarla,
04:58
we can take this silent, seemingly still video
80
298635
3687
hâlâ bu sessiz, görünürde hareketsiz olan videoyu alıp
05:02
and we can recover this sound.
81
302322
1527
şu sesi kurtarabiliriz.
05:04
(Music: "Mary Had a Little Lamb")
82
304690
7384
(Müzik: "Mary Had a Little Lamb")
05:12
(Applause)
83
312074
5828
(Alkış)
05:22
So how is this possible?
84
322058
1939
Peki, bu nasıl mümkün oluyor?
05:23
How can we get so much information out of so little motion?
85
323997
4344
Bu kadar az hareketten bu kadar çok bilgiyi nasıl elde edebiliyoruz?
05:28
Well, let's say that those leaves move by just a single micrometer,
86
328341
5361
Bu yaprakların yalnızca bir mikrometre hareket ettiğini varsayalım,
05:33
and let's say that that shifts our image by just a thousandth of a pixel.
87
333702
4308
ve bunun görüntümüzü yalnızca bir pikselin binde biri değiştirdiğini varsayalım.
05:39
That may not seem like much,
88
339269
2572
Bu miktar çok görünmeyebilir,
05:41
but a single frame of video
89
341841
1996
fakat bir videonun tek karesinde
05:43
may have hundreds of thousands of pixels in it,
90
343837
3257
yüz binlerce piksel bulunuyor olabilir
05:47
and so if we combine all of the tiny motions that we see
91
347094
3454
ve o fotoğrafta gördüğümüz bütün küçücük hareketleri
05:50
from across that entire image,
92
350548
2298
birleştirirsek,
05:52
then suddenly a thousandth of a pixel
93
352846
2623
birden, bir pikselin binde biri
05:55
can start to add up to something pretty significant.
94
355469
2775
çok önemli bir şeye katkı sağlayabilir.
05:58
On a personal note, we were pretty psyched when we figured this out.
95
358870
3635
Bu arada, bunu keşfettiğimizde kafayı yedik.
06:02
(Laughter)
96
362505
2320
(Gülüşmeler)
06:04
But even with the right algorithm,
97
364825
3253
Fakat doğru algoritmayla bile,
06:08
we were still missing a pretty important piece of the puzzle.
98
368078
3617
yapbozun oldukça önemli bir parçası eksikti.
06:11
You see, there are a lot of factors that affect when and how well
99
371695
3604
Bu tekniğin ne zaman ve nasıl çalışacağını etkileyecek
06:15
this technique will work.
100
375299
1997
çok fazla etmen var.
06:17
There's the object and how far away it is;
101
377296
3204
Nesnenin uzaklığı var,
06:20
there's the camera and the lens that you use;
102
380500
2394
kullandığınız kamera ve lens var;
06:22
how much light is shining on the object and how loud your sound is.
103
382894
4091
nesneye gelen ışığın parlaklığı ve sesinizin yüksekliği var.
06:27
And even with the right algorithm,
104
387945
3375
Ve doğru algoritmayla bile,
06:31
we had to be very careful with our early experiments,
105
391320
3390
ilk deneylerimizde çok dikkâtli olmak zorundaydık,
06:34
because if we got any of these factors wrong,
106
394710
2392
çünkü bu etmenlerden herhangi birinde yanlışlık olursa,
06:37
there was no way to tell what the problem was.
107
397102
2368
sorunun ne olduğunu anlamanın hiçbir yolu yoktu.
06:39
We would just get noise back.
108
399470
2647
Tek dönüt videodaki gürültü olur.
06:42
And so a lot of our early experiments looked like this.
109
402117
3320
Ve bu yüzden, ilk deneylerimizin çoğu şunun gibiydi.
06:45
And so here I am,
110
405437
2206
Buradaki benim
06:47
and on the bottom left, you can kind of see our high-speed camera,
111
407643
4040
ve sol altta, yüksek hızlı kameramızın bir kısmını görüyorsunuz,
06:51
which is pointed at a bag of chips,
112
411683
2183
bir cips paketine doğrultulmuş durumda
06:53
and the whole thing is lit by these bright lamps.
113
413866
2949
ve paketin her yeri bu parlak lambayla aydınlatılmış durumda.
06:56
And like I said, we had to be very careful in these early experiments,
114
416815
4365
Ve dediğim gibi, bu ilk deneylerde çok dikkâtli olmak zorundaydık,
07:01
so this is how it went down.
115
421180
2508
bu yüzden şöyle yaptık.
07:03
(Video) Abe Davis: Three, two, one, go.
116
423688
3761
(Video) Abe Davis: Üç, iki, bir, başla.
07:07
Mary had a little lamb! Little lamb! Little lamb!
117
427449
5387
Mary'nin küçük bir kuzusu vardı! Küçük kuzu! Küçük kuzu!
07:12
(Laughter)
118
432836
4500
(Gülüşmeler)
07:17
AD: So this experiment looks completely ridiculous.
119
437336
2814
AD: Bu yüzden bu deney çok ama çok saçma görünüyor.
07:20
(Laughter)
120
440150
1788
(Gülüşmeler)
07:21
I mean, I'm screaming at a bag of chips --
121
441938
2345
Şuna bakın, bir cips paketine bağırıyorum
07:24
(Laughter) --
122
444283
1551
(Gülüşmeler) --
07:25
and we're blasting it with so much light,
123
445834
2117
ve paketi o kadar çok ışıkla kavurduk ki
07:27
we literally melted the first bag we tried this on. (Laughter)
124
447951
4479
denediğimiz ilk paketi gerçek anlamda erittik. (Gülüşmeler)
07:32
But ridiculous as this experiment looks,
125
452525
3274
Fakat ne kadar saçma görünürse görünsün,
07:35
it was actually really important,
126
455799
1788
aslında çok önemliydi,
07:37
because we were able to recover this sound.
127
457587
2926
çünkü şu sesi kurtarmayı başardık.
07:40
(Audio) Mary had a little lamb! Little lamb! Little lamb!
128
460513
4712
(Ses) Mary'nin küçük bir kuzusu vardı! Küçük kuzu! Küçük kuzu!
07:45
(Applause)
129
465225
4088
(Alkış)
07:49
AD: And this was really significant,
130
469313
1881
AD: Ve bu gerçekten önemliydi,
07:51
because it was the first time we recovered intelligible human speech
131
471194
4119
çünkü bu anlaşılır insan sesini bir nesnenin sessiz bir videosundan
07:55
from silent video of an object.
132
475424
2341
kurtardığımız ilk zamandı.
07:57
And so it gave us this point of reference,
133
477765
2391
Ve bu bize başlangıç noktası oldu
08:00
and gradually we could start to modify the experiment,
134
480156
3871
ve adım adım deney üzerinde değişiklikler yapmaya başlayabildik,
08:04
using different objects or moving the object further away,
135
484106
3805
farklı nesneler kullandık, nesneleri daha uzaktan kaydettik,
08:07
using less light or quieter sounds.
136
487911
2770
daha az ışık ya da daha kısık ses kullandık.
08:11
And we analyzed all of these experiments
137
491887
2874
Ve bütün bu deneyleri
08:14
until we really understood the limits of our technique,
138
494761
3622
tekniğimizin sınırlarını anlayana dek çözümledik,
08:18
because once we understood those limits,
139
498383
1950
çünkü bu sınırları anlayınca,
08:20
we could figure out how to push them.
140
500333
2346
nereye kadar zorlayabileceğimizi öğreniriz.
08:22
And that led to experiments like this one,
141
502679
3181
Ve bu da bizi şöyle bir deneye yöneltti,
08:25
where again, I'm going to speak to a bag of chips,
142
505860
2739
yine bir cips paketine karşı konuşuyorum,
08:28
but this time we've moved our camera about 15 feet away,
143
508599
4830
ama bu kez kameramızı 4,5 metre uzağa yerleştirdik,
08:33
outside, behind a soundproof window,
144
513429
2833
dışarıya, ses geçirmez bir pencerenin arkasına,
08:36
and the whole thing is lit by only natural sunlight.
145
516262
2803
ve bütün her şey yalnızca doğal güneş ışığıyla aydınlatıldı.
08:40
And so here's the video that we captured.
146
520529
2155
Ve bu kaydettiğimiz video.
08:44
And this is what things sounded like from inside, next to the bag of chips.
147
524450
4559
Ve içerde, cips paketinin yanında oynatılan ses şöyle.
08:49
(Audio) Mary had a little lamb whose fleece was white as snow,
148
529009
5038
(Ses) Mary'nin küçük bir kuzusu vardı, kürkü kar gibi beyazdı,
08:54
and everywhere that Mary went, that lamb was sure to go.
149
534047
5619
Mary nereye gitse, kuzu peşinden giderdi.
08:59
AD: And here's what we were able to recover from our silent video
150
539666
4017
AD: Ve o pencerenin dışından kaydedilen sessiz videodan kurtarmayı
09:03
captured outside behind that window.
151
543683
2345
başardığımız ses şöyle.
09:06
(Audio) Mary had a little lamb whose fleece was white as snow,
152
546028
4435
(Ses) Mary'nin küçük bir kuzusu vardı, kürkü kar gibi beyazdı,
09:10
and everywhere that Mary went, that lamb was sure to go.
153
550463
5457
Mary nereye gitse, kuzu peşinden giderdi.
09:15
(Applause)
154
555920
6501
(Alkış)
09:22
AD: And there are other ways that we can push these limits as well.
155
562421
3542
AD: Ve sınırlarımızı zorlayabileceğimiz başka yollar da var.
09:25
So here's a quieter experiment
156
565963
1798
Şöyle daha sessiz bir deneyimiz var,
09:27
where we filmed some earphones plugged into a laptop computer,
157
567761
4110
dizüstü bilgisayara takılı kulaklıkları kaydettik
09:31
and in this case, our goal was to recover the music that was playing on that laptop
158
571871
4110
ve bu sefer, amacımız dizüstünde çalan müziği
09:35
from just silent video
159
575981
2299
şu küçük plastik kulaklıkların
09:38
of these two little plastic earphones,
160
578280
2507
sessiz videosundan yakalamaktı
09:40
and we were able to do this so well
161
580787
2183
ve bunu o kadar iyi başardık ki
09:42
that I could even Shazam our results.
162
582970
2461
sonuçlarımızı Shazam'layabiliyorum bile.
09:45
(Laughter)
163
585431
2411
(Gülüşmeler)
09:49
(Music: "Under Pressure" by Queen)
164
589191
10034
(Müzik: "Under Pressure", Şarkıcı: Queen)
10:01
(Applause)
165
601615
4969
(Alkış)
10:06
And we can also push things by changing the hardware that we use.
166
606584
4551
Ve kullandığımız donanımı değiştirerek de sınırlarımızı zorlayabiliriz.
10:11
Because the experiments I've shown you so far
167
611135
2461
Çünkü şimdiye dek size gösterdiğim deneyler
10:13
were done with a camera, a high-speed camera,
168
613596
2322
yüksek hızlı bir kamerayla yapılmıştı,
10:15
that can record video about a 100 times faster
169
615918
2879
bu kamera videoyu çoğu cep telefonundan
10:18
than most cell phones,
170
618797
1927
100 kat daha hızlı kaydedebilir,
10:20
but we've also found a way to use this technique
171
620724
2809
ama bu tekniği çoğu sıradan kamerayla da
10:23
with more regular cameras,
172
623533
2230
kullanmanın bir yolunu bulduk
10:25
and we do that by taking advantage of what's called a rolling shutter.
173
625763
4069
ve bunu jöle etkisi denen bir şeyden yararlanarak yapıyoruz.
10:29
You see, most cameras record images one row at a time,
174
629832
4798
Çoğu kamera, görüntüyü tek seferde tek satır olarak kaydeder
10:34
and so if an object moves during the recording of a single image,
175
634630
5702
ve bir nesne, tek bir görüntünün çekildiği anda kıpırdarsa,
10:40
there's a slight time delay between each row,
176
640344
2717
her satır arasında küçük bir gecikme olur
10:43
and this causes slight artifacts
177
643061
3157
ve bu durum, bir videonun her karesine
10:46
that get coded into each frame of a video.
178
646218
3483
işlenen küçük kusurlara neden olur.
10:49
And so what we found is that by analyzing these artifacts,
179
649701
3806
Ve bu kusurları çözümleyip algoritmamızın değiştirilmiş
10:53
we can actually recover sound using a modified version of our algorithm.
180
653507
4615
sürümünü kullanarak sesi kurtarabileceğimizi bulduk.
10:58
So here's an experiment we did
181
658122
1912
Yaptığımız deney şöyle:
11:00
where we filmed a bag of candy
182
660034
1695
bir şeker paketini
11:01
while a nearby loudspeaker played
183
661729
1741
yakınında bir hoparlörden
11:03
the same "Mary Had a Little Lamb" music from before,
184
663470
2972
daha önceki aynı "Mary Had a Little Lamb" müziğini çalarken kaydettik,
11:06
but this time, we used just a regular store-bought camera,
185
666442
4203
ama bu sefer, mağazadan alınma sıradan bir kamera kullandık
11:10
and so in a second, I'll play for you the sound that we recovered,
186
670645
3174
ve birazdan, kurtardığımız sesi size dinleteceğim
11:13
and it's going to sound distorted this time,
187
673819
2050
ve bu sefer, bozuk bir ses çalacak,
11:15
but listen and see if you can still recognize the music.
188
675869
2836
ama dinleyip müziği yine de tanıyıp tanımayacağınızı görün.
11:19
(Audio: "Mary Had a Little Lamb")
189
679723
6223
(Ses: "Mary Had a Little Lamb")
11:37
And so, again, that sounds distorted,
190
697527
3465
Dediğim gibi, ses bozuk çalıyor,
11:40
but what's really amazing here is that we were able to do this
191
700992
4386
fakat buradaki şaşırtıcı olan şey, bunu, gerçekten gidip
11:45
with something that you could literally run out
192
705378
2626
Best Buy'dan (teknoloji mağazası) aldığımız bir ürünle
11:48
and pick up at a Best Buy.
193
708004
1444
yapabilmiş olmamızdır.
11:51
So at this point,
194
711122
1363
Şu anda,
11:52
a lot of people see this work,
195
712485
1974
birçok insan bu çalışmayı görüyor
11:54
and they immediately think about surveillance.
196
714459
3413
ve hemen birilerini gözetleme hakkında düşünüyorlar.
11:57
And to be fair,
197
717872
2415
Ve dürüst olmak gerekirse,
12:00
it's not hard to imagine how you might use this technology to spy on someone.
198
720287
4133
bu teknolojinin birisini gözetlemek için kullanıldığını hayâl etmek zor değil.
12:04
But keep in mind that there's already a lot of very mature technology
199
724420
3947
Fakat şunu aklınızda tutun, hâli hazırda zâten gözetleme üzerine
12:08
out there for surveillance.
200
728367
1579
birçok tamamlanmış teknoloji var.
12:09
In fact, people have been using lasers
201
729946
2090
Aslında, insanlar lazerleri uzak mesâfeden
12:12
to eavesdrop on objects from a distance for decades.
202
732036
2799
nesneler aracılığıyla gizlice dinleme için onyıllardır kullanıyor.
12:15
But what's really new here,
203
735978
2025
Fakat burada yeni olan şey,
12:18
what's really different,
204
738003
1440
farklı olan şey,
12:19
is that now we have a way to picture the vibrations of an object,
205
739443
4295
bir nesnenin titreşimlerini görüntülemek için bir yol bulmuş olmamızdır,
12:23
which gives us a new lens through which to look at the world,
206
743738
3413
bu da bize, dünyâya bakmamız için yeni bir lens veriyor
12:27
and we can use that lens
207
747151
1510
ve bu lensi, yalnızca nesneleri
12:28
to learn not just about forces like sound that cause an object to vibrate,
208
748661
4899
titreştiren ses gibi güçler hakkında bilgi öğrenmek için değil, nesnenin kendisi
12:33
but also about the object itself.
209
753560
2288
hakkında bilgi için de kullanabiliriz.
12:36
And so I want to take a step back
210
756975
1693
Ve böylece, bir adım geri dönmek
12:38
and think about how that might change the ways that we use video,
211
758668
4249
ve bunun videoyu kullanışımızı nasıl değiştirebileceğini düşünmek istiyorum,
12:42
because we usually use video to look at things,
212
762917
3553
çünkü genellikle videoyu nesnelere bakmak için kullanırız
12:46
and I've just shown you how we can use it
213
766470
2322
ve demin videoyu nasıl nesneleri dinlemek
12:48
to listen to things.
214
768792
1857
için kullanabileceğimizi gösterdim.
12:50
But there's another important way that we learn about the world:
215
770649
3971
Fakat dünyâyı öğrenme şeklimizle ilgili önemli başka bir yol var:
12:54
that's by interacting with it.
216
774620
2275
onunla etkileşim kurmak.
12:56
We push and pull and poke and prod things.
217
776895
3111
Nesneleri iter, çeker, dürter ve kakarız.
13:00
We shake things and see what happens.
218
780006
3181
Sallar ve ne olacağına bakarız.
13:03
And that's something that video still won't let us do,
219
783187
4273
Ve bu, videonun yapmamıza izin vermediği bir şey,
13:07
at least not traditionally.
220
787460
2136
en azından geleneksel olarak böyle.
13:09
So I want to show you some new work,
221
789596
1950
Size yeni bir çalışmayı göstermek istiyorum
13:11
and this is based on an idea I had just a few months ago,
222
791546
2667
ve bu çalışma, yalnızca birkaç ay önceki fikrime dayanıyor,
13:14
so this is actually the first time I've shown it to a public audience.
223
794213
3301
bu yüzden, bu, herkese açık olarak göstereceğim ilk an olacak.
13:17
And the basic idea is that we're going to use the vibrations in a video
224
797514
5363
Ve temel fikir, videodaki titreşimleri
13:22
to capture objects in a way that will let us interact with them
225
802877
4481
nesnelerle etkileşebileceğimiz bir şekilde yakalamamız
13:27
and see how they react to us.
226
807358
1974
ve nasıl tepki vereceklerini görmemizle ilgili.
13:31
So here's an object,
227
811120
1764
Burada bir nesne var
13:32
and in this case, it's a wire figure in the shape of a human,
228
812884
3832
ve bu örnekte, insan şeklinde bir telimiz var
13:36
and we're going to film that object with just a regular camera.
229
816716
3088
ve bu nesneyi sıradan bir kamerayla kaydedeceğiz.
13:39
So there's nothing special about this camera.
230
819804
2124
Kameranın hiçbir özel yanı yok.
13:41
In fact, I've actually done this with my cell phone before.
231
821928
2961
Hattâ, bunu daha önceden kendi cep telefonumla da yaptım.
13:44
But we do want to see the object vibrate,
232
824889
2252
Fakat nesnenin titreştiğini görmek istiyoruz,
13:47
so to make that happen,
233
827141
1133
bunu yapmak için,
13:48
we're just going to bang a little bit on the surface where it's resting
234
828274
3346
nesne orada dururken, kayıt sırasında
13:51
while we record this video.
235
831620
2138
yüzeye biraz vuracağız.
13:59
So that's it: just five seconds of regular video,
236
839398
3671
Bu kadar: sıradan bir videonun yüzeye vururkenki
14:03
while we bang on this surface,
237
843069
2136
yalnızca beş sâniyesi
14:05
and we're going to use the vibrations in that video
238
845205
3513
ve bu videodaki titreşimleri,
14:08
to learn about the structural and material properties of our object,
239
848718
4544
nesnemizin yapı ve malzeme özelliklerini öğrenmek için kullanacağız
14:13
and we're going to use that information to create something new and interactive.
240
853262
4834
ve bu bilgiyi yeni ve etkileşimli bir şey oluşturmak için kullanacağız.
14:24
And so here's what we've created.
241
864866
2653
Ve yaptığımız şey şöyle.
14:27
And it looks like a regular image,
242
867519
2229
Sıradan bir görüntü gibi görünüyor,
14:29
but this isn't an image, and it's not a video,
243
869748
3111
ama bu bir görüntü değil, bir video da değil,
14:32
because now I can take my mouse
244
872859
2368
çünkü şimdi faremi alabilir
14:35
and I can start interacting with the object.
245
875227
2859
ve nesneyle etkileşime geçebilirim.
14:44
And so what you see here
246
884936
2357
Burada gördüğünüz şey,
14:47
is a simulation of how this object
247
887389
2226
bu nesnenin daha önce hiç görmediğimiz
14:49
would respond to new forces that we've never seen before,
248
889615
4458
yeni güçlere nasıl tepki verdiğinin benzetimidir
14:54
and we created it from just five seconds of regular video.
249
894073
3633
ve biz bunu sıradan bir videonun yalnızca beş sâniyesinden oluşturduk.
14:59
(Applause)
250
899249
4715
(Alkış)
15:09
And so this is a really powerful way to look at the world,
251
909421
3227
Ve bu dünyâmıza bakmak için gerçekten güçlü bir yöntem,
15:12
because it lets us predict how objects will respond
252
912648
2972
çünkü nesnelerin yeni durumlara nasıl tepki vereceğini
15:15
to new situations,
253
915620
1823
tahmin etmemizi sağlıyor
15:17
and you could imagine, for instance, looking at an old bridge
254
917443
3473
ve örneğin, eski bir köprüye bakarak
15:20
and wondering what would happen, how would that bridge hold up
255
920916
3527
arabamla üstünden geçsem ne olur diye düşündüğünüzü
15:24
if I were to drive my car across it.
256
924443
2833
hayâl edebilirsiniz.
15:27
And that's a question that you probably want to answer
257
927276
2774
Ve bu muhtemelen, köprünün üzerinde sürmeye başlamadan önce
15:30
before you start driving across that bridge.
258
930050
2560
yanıtlamak isteyeceğiniz bir sorudur.
15:33
And of course, there are going to be limitations to this technique,
259
933988
3272
Ve tabii ki, bu tekniğin sınırları olacak,
15:37
just like there were with the visual microphone,
260
937260
2462
tıpkı görsel mikrofonda olduğu gibi,
15:39
but we found that it works in a lot of situations
261
939722
3181
fakat ummayacağınız birçok durumda
15:42
that you might not expect,
262
942903
1875
işe yaradığını bulduk,
15:44
especially if you give it longer videos.
263
944778
2768
özellikle uzun videolar çekerseniz.
15:47
So for example, here's a video that I captured
264
947546
2508
Örneğin, burada apartmanımın dışındaki
15:50
of a bush outside of my apartment,
265
950054
2299
çalıları çektiğim bir video var
15:52
and I didn't do anything to this bush,
266
952353
3088
ve bu çalılığa hiçbir şey yapmadım,
15:55
but by capturing a minute-long video,
267
955441
2705
ama bir dakîkalık uzunluktaki videoda,
15:58
a gentle breeze caused enough vibrations
268
958146
3378
hafif bir rüzgâr, bu benzetimi oluşturmak için
16:01
that we could learn enough about this bush to create this simulation.
269
961524
3587
çalı hakkında öğrenebileceğimiz yeterli titreşimi sağladı.
16:07
(Applause)
270
967270
6142
(Alkış)
16:13
And so you could imagine giving this to a film director,
271
973412
2972
Ve bunu bir film yönetmenine verdiğinizi
16:16
and letting him control, say,
272
976384
1719
ve yönetmenin, örneğin, rüzgârın
16:18
the strength and direction of wind in a shot after it's been recorded.
273
978103
4922
yönünü ve şiddetini çekimden sonra değiştirebildiğini hayâl edebilirsiniz.
16:24
Or, in this case, we pointed our camera at a hanging curtain,
274
984810
4535
Ya da şu örnekte, kameramızı asılı bir perdeye doğrulttuk
16:29
and you can't even see any motion in this video,
275
989345
4129
ve bu videoda hiçbir hareket göremiyorsunuz,
16:33
but by recording a two-minute-long video,
276
993474
2925
ama iki dakîkalık bir video çekerek,
16:36
natural air currents in this room
277
996399
2438
odadaki doğal hava akışı
16:38
created enough subtle, imperceptible motions and vibrations
278
998837
4412
yeterli belirsiz, algılanamaz hareket ve titreşimi sağladı
16:43
that we could learn enough to create this simulation.
279
1003249
2565
ve bu benzetimi oluşturmamıza yetecek kadarını öğrendik.
16:48
And ironically,
280
1008243
2366
Ve ne gariptir ki
16:50
we're kind of used to having this kind of interactivity
281
1010609
3088
bir bakıma bu türde etkileşime
16:53
when it comes to virtual objects,
282
1013697
2647
sanal nesnelerde,
16:56
when it comes to video games and 3D models,
283
1016344
3297
bilgisayar oyunlarında ve 3B modellerde alışkınız,
16:59
but to be able to capture this information from real objects in the real world
284
1019641
4404
ama bu bilgiyi gerçek dünyâdaki gerçek nesnelerden,
17:04
using just simple, regular video,
285
1024045
2817
basit, sıradan videolar kullanarak
17:06
is something new that has a lot of potential.
286
1026862
2183
kurtarmak, birçok potansiyeli olan yeni bir şey.
17:10
So here are the amazing people who worked with me on these projects.
287
1030410
4904
Karşınızda bu projelerde benimle çalışan inanılmaz insanlar.
17:16
(Applause)
288
1036057
5596
(Alkış)
17:24
And what I've shown you today is only the beginning.
289
1044819
3057
Ve bugün size gösterdiğim yalnızca başlangıç.
17:27
We've just started to scratch the surface
290
1047876
2113
Bu türde görüntü işlemeyle
17:29
of what you can do with this kind of imaging,
291
1049989
2972
neler yapılabileceğinin daha yalnızca yüzeyini kazıdık,
17:32
because it gives us a new way
292
1052961
2286
çünkü bu bize; genel, erişilebilir
17:35
to capture our surroundings with common, accessible technology.
293
1055342
4724
teknolojiyle çevremizi kaydetmek için yeni bir yol sağlıyor.
17:40
And so looking to the future,
294
1060066
1929
Ve geleceğe bakınca, bu teknolojinin
17:41
it's going to be really exciting to explore
295
1061995
2037
dünyâmız hakkında söyleyebileceklerini keşfetmek
17:44
what this can tell us about the world.
296
1064032
1856
gerçekten heyecan verici olacak.
17:46
Thank you.
297
1066381
1204
Teşekkür ederim.
17:47
(Applause)
298
1067610
6107
(Alkış)
Bu web sitesi hakkında

Bu site size İngilizce öğrenmek için yararlı olan YouTube videolarını tanıtacaktır. Dünyanın dört bir yanından birinci sınıf öğretmenler tarafından verilen İngilizce derslerini göreceksiniz. Videoyu oradan oynatmak için her video sayfasında görüntülenen İngilizce altyazılara çift tıklayın. Altyazılar video oynatımı ile senkronize olarak kayar. Herhangi bir yorumunuz veya isteğiniz varsa, lütfen bu iletişim formunu kullanarak bizimle iletişime geçin.

https://forms.gle/WvT1wiN1qDtmnspy7