TED2015
Abe Davis: New video technology that reveals an object's hidden properties
Abe Davis: Nueva tecnología de video que revela propiedades ocultas de un objeto
Filmed:
Readability: 4.3
1,482,525 views
Estamos rodeados por movimientos sutiles todo el tiempo, incluyendo pequeñas vibraciones causadas por el sonido. Y existe nueva tecnología que muestra que podemos captar esas vibraciones y, de hecho, recrear el sonido y las conversaciones mediante videos de objetos aparentemente inmóviles. Pero ahora Abe Davis nos lleva un paso más allá: veámoslo en esta demostración de software que permite a cualquier persona interactuar con estas propiedades ocultas, a partir solo de un simple video.
Abe Davis - Computer scientist
Computer vision expert Abe Davis pioneers methods to extract audio from silent digital videos, even footage shot on ordinary consumer cameras. Full bio
Computer vision expert Abe Davis pioneers methods to extract audio from silent digital videos, even footage shot on ordinary consumer cameras. Full bio
Double-click the English transcript below to play the video.
La mayoría pensamos en el movimiento
como algo muy visual.
como algo muy visual.
00:13
Most of us think of motion
as a very visual thing.
as a very visual thing.
0
1373
3349
00:17
If I walk across this stage
or gesture with my hands while I speak,
or gesture with my hands while I speak,
1
5889
5088
Si camino por este escenario o gesticulo
con las manos, mientras hablo,
con las manos, mientras hablo,
00:22
that motion is something that you can see.
2
10977
2261
ese movimiento se puede ver.
00:26
But there's a world of important motion
that's too subtle for the human eye,
that's too subtle for the human eye,
3
14255
5482
Existe un mundo de movimiento importante
demasiado sutil para el ojo humano,
demasiado sutil para el ojo humano,
00:31
and over the past few years,
4
19737
2041
y en los últimos años,
00:33
we've started to find that cameras
5
21778
1997
hemos averiguado que a menudo las cámaras
00:35
can often see this motion
even when humans can't.
even when humans can't.
6
23775
3410
pueden ver este movimiento,
incluso cuando los humanos no pueden.
incluso cuando los humanos no pueden.
Les mostraré lo que quiero decir.
00:40
So let me show you what I mean.
7
28305
1551
00:42
On the left here, you see video
of a person's wrist,
of a person's wrist,
8
30717
3622
A la izquierda, se ve un video
de la muñeca de una persona,
de la muñeca de una persona,
00:46
and on the right, you see video
of a sleeping infant,
of a sleeping infant,
9
34339
3147
y a la derecha, el video
de un bebé dormido,
de un bebé dormido,
00:49
but if I didn't tell you
that these were videos,
that these were videos,
10
37486
3146
pero si yo no dijera que
se trataba de videos,
se trataba de videos,
00:52
you might assume that you were looking
at two regular images,
at two regular images,
11
40632
3761
se puede suponer que uno mira
imágenes normales,
imágenes normales,
00:56
because in both cases,
12
44393
1672
porque en ambos casos,
00:58
these videos appear to be
almost completely still.
almost completely still.
13
46065
3047
estos videos parecen casi
completamente inmóviles.
completamente inmóviles.
01:02
But there's actually a lot
of subtle motion going on here,
of subtle motion going on here,
14
50175
3885
Pero en realidad existe mucho
movimiento sutil aquí,
movimiento sutil aquí,
01:06
and if you were to touch
the wrist on the left,
the wrist on the left,
15
54060
2392
y si tocaran la muñeca de la izquierda,
01:08
you would feel a pulse,
16
56452
1996
sentirían un pulso,
01:10
and if you were to hold
the infant on the right,
the infant on the right,
17
58448
2485
y si se fueran al bebé de la derecha,
01:12
you would feel the rise
and fall of her chest
and fall of her chest
18
60933
2391
sentirían el ascenso y
el descenso de su pecho
el descenso de su pecho
01:15
as she took each breath.
19
63324
1390
mientras respira.
01:17
And these motions carry
a lot of significance,
a lot of significance,
20
65762
3576
Y estos movimientos
tienen mucho significado,
tienen mucho significado,
01:21
but they're usually
too subtle for us to see,
too subtle for us to see,
21
69338
3343
pero son generalmente demasiado
sutiles para que los notemos,
sutiles para que los notemos,
01:24
so instead, we have to observe them
22
72681
2276
así que en su lugar,
tenemos que observarlos
tenemos que observarlos
01:26
through direct contact, through touch.
23
74957
2900
mediante contacto directo,
a través del tacto.
a través del tacto.
01:30
But a few years ago,
24
78997
1265
Pero hace unos años,
01:32
my colleagues at MIT developed
what they call a motion microscope,
what they call a motion microscope,
25
80262
4405
mis colegas del MIT desarrollaron lo que
llaman un microscopio de movimiento,
llaman un microscopio de movimiento,
01:36
which is software that finds
these subtle motions in video
these subtle motions in video
26
84667
4384
que es un software que capta
estos movimientos sutiles en video
estos movimientos sutiles en video
01:41
and amplifies them so that they
become large enough for us to see.
become large enough for us to see.
27
89051
3562
y los amplía para que sean lo
suficientemente grandes para verlos.
suficientemente grandes para verlos.
01:45
And so, if we use their software
on the left video,
on the left video,
28
93416
3483
Y así, si usamos ese software
en el video de la izquierda,
en el video de la izquierda,
01:48
it lets us see the pulse in this wrist,
29
96899
3250
vemos el pulso de esta muñeca,
01:52
and if we were to count that pulse,
30
100149
1695
y si contáramos ese pulso,
01:53
we could even figure out
this person's heart rate.
this person's heart rate.
31
101844
2355
podríamos incluso averiguar
la frecuencia cardíaca de esta persona.
la frecuencia cardíaca de esta persona.
01:57
And if we used the same software
on the right video,
on the right video,
32
105095
3065
Y si usamos el mismo software
en el video de la derecha,
en el video de la derecha,
02:00
it lets us see each breath
that this infant takes,
that this infant takes,
33
108160
3227
vemos cada respiración de este bebé,
02:03
and we can use this as a contact-free way
to monitor her breathing.
to monitor her breathing.
34
111387
4137
y podemos usarlo monitorear
su respiración sin que haya contacto.
su respiración sin que haya contacto.
02:08
And so this technology is really powerful
because it takes these phenomena
because it takes these phenomena
35
116884
5348
Y esta tecnología es realmente
poderosa porque capta estos fenómenos
poderosa porque capta estos fenómenos
02:14
that we normally have
to experience through touch
to experience through touch
36
122232
2367
que normalmente experimentamos
a través del tacto
a través del tacto
02:16
and it lets us capture them visually
and non-invasively.
and non-invasively.
37
124599
2957
permitiéndonos captarlos visualmente
y de forma no invasiva.
y de forma no invasiva.
02:21
So a couple years ago, I started working
with the folks that created that software,
with the folks that created that software,
38
129104
4411
Hace un par de años, empecé a trabajar
con la gente que creó ese software,
con la gente que creó ese software,
02:25
and we decided to pursue a crazy idea.
39
133515
3367
y decidimos seguir una idea descabellada.
02:28
We thought, it's cool
that we can use software
that we can use software
40
136882
2693
Pensamos que sería genial
usar el software
usar el software
02:31
to visualize tiny motions like this,
41
139575
3135
para visualizar pequeños
movimientos como este,
movimientos como este,
02:34
and you can almost think of it
as a way to extend our sense of touch.
as a way to extend our sense of touch.
42
142710
4458
y podemos pensarlo como una forma
de ampliar el sentido del tacto.
de ampliar el sentido del tacto.
02:39
But what if we could do the same thing
with our ability to hear?
with our ability to hear?
43
147168
4059
Pero ¿y si pudiéramos hacer lo mismo
con nuestra capacidad de escuchar?
con nuestra capacidad de escuchar?
02:44
What if we could use video
to capture the vibrations of sound,
to capture the vibrations of sound,
44
152508
4665
¿Y si pudiéramos usar el video para
captar las vibraciones de sonido,
captar las vibraciones de sonido,
02:49
which are just another kind of motion,
45
157173
2827
que no son más que
otro tipo de movimiento,
otro tipo de movimiento,
02:52
and turn everything that we see
into a microphone?
into a microphone?
46
160000
3346
y convertir todo lo que vemos
en un micrófono?
en un micrófono?
02:56
Now, this is a bit of a strange idea,
47
164236
1971
Esto es una idea un poco extraña,
02:58
so let me try to put it
in perspective for you.
in perspective for you.
48
166207
2586
así que trataré de ponerlo
en perspectiva.
en perspectiva.
03:01
Traditional microphones
work by converting the motion
work by converting the motion
49
169523
3488
Los micrófonos tradicionales
funcionan convirtiendo el movimiento
funcionan convirtiendo el movimiento
03:05
of an internal diaphragm
into an electrical signal,
into an electrical signal,
50
173011
3599
de un diafragma interno
en una señal eléctrica,
en una señal eléctrica,
03:08
and that diaphragm is designed
to move readily with sound
to move readily with sound
51
176610
4318
y el diafragma está diseñado
para moverse fácilmente con sonido
para moverse fácilmente con sonido
03:12
so that its motion can be recorded
and interpreted as audio.
and interpreted as audio.
52
180928
4807
de manera que su movimiento se puede
grabar e interpretar como sonido.
grabar e interpretar como sonido.
03:17
But sound causes all objects to vibrate.
53
185735
3668
Pero el sonido hace que
todos los objetos vibren.
todos los objetos vibren.
03:21
Those vibrations are just usually
too subtle and too fast for us to see.
too subtle and too fast for us to see.
54
189403
5480
Esas vibraciones son por norma demasiado
sutiles y rápidas para que se vean.
sutiles y rápidas para que se vean.
03:26
So what if we record them
with a high-speed camera
with a high-speed camera
55
194883
3738
¿Y si grabamos con una
cámara de alta velocidad
cámara de alta velocidad
03:30
and then use software
to extract tiny motions
to extract tiny motions
56
198621
3576
y luego usamos el software para
extraer pequeños movimientos
extraer pequeños movimientos
03:34
from our high-speed video,
57
202197
2090
de nuestro video de alta velocidad,
03:36
and analyze those motions to figure out
what sounds created them?
what sounds created them?
58
204287
4274
y analizamos los movimientos para
averiguar qué sonidos se han creado?
averiguar qué sonidos se han creado?
03:41
This would let us turn visible objects
into visual microphones from a distance.
into visual microphones from a distance.
59
209859
5449
Nos permitiría convertir objetos visibles
en micrófonos visuales a la distancia.
en micrófonos visuales a la distancia.
03:49
And so we tried this out,
60
217080
2183
Así que lo intentamos,
03:51
and here's one of our experiments,
61
219263
1927
y aquí está uno de nuestros experimentos,
03:53
where we took this potted plant
that you see on the right
that you see on the right
62
221190
2949
donde tomamos esta planta
en maceta de la derecha
en maceta de la derecha
03:56
and we filmed it with a high-speed camera
63
224139
2438
y filmamos con una
cámara de alta velocidad
cámara de alta velocidad
03:58
while a nearby loudspeaker
played this sound.
played this sound.
64
226577
3529
mientras que un altavoz cercano
reproducía este sonido.
reproducía este sonido.
♪ ♫ María tenía un corderito ♪ ♫
04:02
(Music: "Mary Had a Little Lamb")
65
230275
8190
04:11
And so here's the video that we recorded,
66
239820
2824
Aquí el video que grabamos,
04:14
and we recorded it at thousands
of frames per second,
of frames per second,
67
242644
3924
que grabamos en miles de
fotogramas por segundo,
fotogramas por segundo,
04:18
but even if you look very closely,
68
246568
2322
pero incluso mirándolo muy de cerca,
04:20
all you'll see are some leaves
69
248890
1951
solo se ven algunas hojas
04:22
that are pretty much
just sitting there doing nothing,
just sitting there doing nothing,
70
250841
3065
que están más o menos
allí sin hacer nada,
allí sin hacer nada,
04:25
because our sound only moved those leaves
by about a micrometer.
by about a micrometer.
71
253906
4806
porque nuestro sonido solo movió
esas hojas cerca de un micrómetro.
esas hojas cerca de un micrómetro.
04:31
That's one ten-thousandth of a centimeter,
72
259103
4276
Esa es una diezmilésima de centímetro,
04:35
which spans somewhere between
a hundredth and a thousandth
a hundredth and a thousandth
73
263379
4156
que se extiende en algún lugar
entre una centésima y una milésima
entre una centésima y una milésima
04:39
of a pixel in this image.
74
267535
2299
de pixel en esta imagen.
04:41
So you can squint all you want,
75
269881
2887
Así que aunque entrecierren
los ojos lo más posible,
los ojos lo más posible,
04:44
but motion that small is pretty much
perceptually invisible.
perceptually invisible.
76
272768
3335
el movimiento tan pequeño
es perceptualmente invisible.
es perceptualmente invisible.
04:49
But it turns out that something
can be perceptually invisible
can be perceptually invisible
77
277667
4157
Pero resulta que algo
perceptualmente invisible
perceptualmente invisible
04:53
and still be numerically significant,
78
281824
2809
aún así puede ser
numéricamente significativo,
numéricamente significativo,
04:56
because with the right algorithms,
79
284633
2002
porque con los algoritmos adecuados,
04:58
we can take this silent,
seemingly still video
seemingly still video
80
286635
3687
podemos captar este silencio
aparentemente silencioso
aparentemente silencioso
05:02
and we can recover this sound.
81
290322
1527
y podemos recuperar ese sonido.
05:04
(Music: "Mary Had a Little Lamb")
82
292690
7384
♪ ♫ María tenía un corderito ♪ ♫
05:12
(Applause)
83
300074
5828
(Aplausos)
05:22
So how is this possible?
84
310058
1939
¿Cómo es esto posible?
05:23
How can we get so much information
out of so little motion?
out of so little motion?
85
311997
4344
¿Cómo podemos conseguir tanta
información de tan poco movimiento?
información de tan poco movimiento?
05:28
Well, let's say that those leaves
move by just a single micrometer,
move by just a single micrometer,
86
316341
5361
Esas hojas se mueven solo un micrómetro,
05:33
and let's say that that shifts our image
by just a thousandth of a pixel.
by just a thousandth of a pixel.
87
321702
4308
y nuestra imagen cambia
solo una milésima de píxel.
solo una milésima de píxel.
05:39
That may not seem like much,
88
327269
2572
Eso puede no parecer mucho,
05:41
but a single frame of video
89
329841
1996
pero un solo fotograma de video
05:43
may have hundreds of thousands
of pixels in it,
of pixels in it,
90
331837
3257
puede contener cientos
de miles de píxeles,
de miles de píxeles,
05:47
and so if we combine all
of the tiny motions that we see
of the tiny motions that we see
91
335094
3454
y si combinamos todos los minúsculos
movimientos que vemos
movimientos que vemos
05:50
from across that entire image,
92
338548
2298
desde el otro lado de
esa imagen completa,
esa imagen completa,
05:52
then suddenly a thousandth of a pixel
93
340846
2623
entonces, de repente
una milésima de un pixel
una milésima de un pixel
05:55
can start to add up
to something pretty significant.
to something pretty significant.
94
343469
2775
puede aportar a algo
bastante significado.
bastante significado.
05:58
On a personal note, we were pretty psyched
when we figured this out.
when we figured this out.
95
346870
3635
A título personal, estábamos muy
emocionados al darnos cuenta de esto.
emocionados al darnos cuenta de esto.
06:02
(Laughter)
96
350505
2320
(Risas)
06:04
But even with the right algorithm,
97
352825
3253
Pero incluso con el algoritmo correcto,
06:08
we were still missing
a pretty important piece of the puzzle.
a pretty important piece of the puzzle.
98
356078
3617
todavía faltaba una pieza
muy importante del rompecabezas.
muy importante del rompecabezas.
06:11
You see, there are a lot of factors
that affect when and how well
that affect when and how well
99
359695
3604
Hay muchos factores que afectan
cuánto y cómo de bien
cuánto y cómo de bien
06:15
this technique will work.
100
363299
1997
funcionará esta técnica.
06:17
There's the object and how far away it is;
101
365296
3204
Ahí está el objeto y lo lejos que está;
06:20
there's the camera
and the lens that you use;
and the lens that you use;
102
368500
2394
la cámara y la lente que se usa;
06:22
how much light is shining on the object
and how loud your sound is.
and how loud your sound is.
103
370894
4091
cuánta luz brilla sobre el objeto
y cuán alto es el sonido.
y cuán alto es el sonido.
06:27
And even with the right algorithm,
104
375945
3375
E incluso con el algoritmo correcto,
06:31
we had to be very careful
with our early experiments,
with our early experiments,
105
379320
3390
tuvimos que ser muy cuidadosos
con nuestros primeros experimentos,
con nuestros primeros experimentos,
06:34
because if we got
any of these factors wrong,
any of these factors wrong,
106
382710
2392
porque si teníamos alguno
de estos factores mal,
de estos factores mal,
06:37
there was no way to tell
what the problem was.
what the problem was.
107
385102
2368
no había forma de saber
cuál era el problema.
cuál era el problema.
06:39
We would just get noise back.
108
387470
2647
Obtendríamos solo ruido.
06:42
And so a lot of our early
experiments looked like this.
experiments looked like this.
109
390117
3320
Muchos de nuestros primeros
experimentos eran así.
experimentos eran así.
06:45
And so here I am,
110
393437
2206
Aquí estoy,
06:47
and on the bottom left, you can kind of
see our high-speed camera,
see our high-speed camera,
111
395643
4040
y abajo a izquierda puede verse
nuestra cámara de alta velocidad
nuestra cámara de alta velocidad
06:51
which is pointed at a bag of chips,
112
399683
2183
dirigida a una bolsa de papas,
06:53
and the whole thing is lit
by these bright lamps.
by these bright lamps.
113
401866
2949
y todo está iluminado
por estos focos brillantes.
por estos focos brillantes.
06:56
And like I said, we had to be
very careful in these early experiments,
very careful in these early experiments,
114
404815
4365
Y como dije, teníamos que ser muy
cuidados en estos primeros experimentos,
cuidados en estos primeros experimentos,
07:01
so this is how it went down.
115
409180
2508
así es que esta es la forma
en que fracasó.
en que fracasó.
07:03
(Video) Abe Davis: Three, two, one, go.
116
411688
3761
(Video) Abe Davis: Tres, dos, uno.
07:07
Mary had a little lamb!
Little lamb! Little lamb!
Little lamb! Little lamb!
117
415449
5387
♪ ♫ María tenía un corderito,
corderito, corderito ♪ ♫
corderito, corderito ♪ ♫
07:12
(Laughter)
118
420836
4500
(Risas)
07:17
AD: So this experiment
looks completely ridiculous.
looks completely ridiculous.
119
425336
2814
AD: Este experimento parece
súper ridículo.
súper ridículo.
07:20
(Laughter)
120
428150
1788
(Risas)
07:21
I mean, I'm screaming at a bag of chips --
121
429938
2345
Quiero decir, estoy gritando
a una bolsa de papas fritas,
a una bolsa de papas fritas,
07:24
(Laughter) --
122
432283
1551
(Risas)
07:25
and we're blasting it with so much light,
123
433834
2117
y la bombardeamos con tanta luz que,
07:27
we literally melted the first bag
we tried this on. (Laughter)
we tried this on. (Laughter)
124
435951
4479
literalmente, la bolsa con la que
lo intentamos, se derritió. (Risas)
lo intentamos, se derritió. (Risas)
Pero por ridículo que
se vea este experimento,
se vea este experimento,
07:32
But ridiculous as this experiment looks,
125
440525
3274
07:35
it was actually really important,
126
443799
1788
en realidad, era realmente importante,
07:37
because we were able
to recover this sound.
to recover this sound.
127
445587
2926
porque hemos podido captar este sonido.
07:40
(Audio) Mary had a little lamb!
Little lamb! Little lamb!
Little lamb! Little lamb!
128
448513
4712
♪ ♫ María tenía un corderito,
corderito, corderito ♪ ♫
corderito, corderito ♪ ♫
07:45
(Applause)
129
453225
4088
(Aplausos)
07:49
AD: And this was really significant,
130
457313
1881
AD: Y esto fue realmente significativo,
07:51
because it was the first time
we recovered intelligible human speech
we recovered intelligible human speech
131
459194
4119
porque era la primera vez que
capturamos el habla humana inteligible
capturamos el habla humana inteligible
a partir de un video
silencioso de un objeto.
silencioso de un objeto.
07:55
from silent video of an object.
132
463424
2341
07:57
And so it gave us this point of reference,
133
465765
2391
Así que esto nos dio
este punto de referencia,
este punto de referencia,
08:00
and gradually we could start
to modify the experiment,
to modify the experiment,
134
468156
3871
y poco a poco empezamos
a modificar el experimento,
a modificar el experimento,
utilizando diferentes objetos
o alejando el objeto más,
o alejando el objeto más,
08:04
using different objects
or moving the object further away,
or moving the object further away,
135
472106
3805
08:07
using less light or quieter sounds.
136
475911
2770
usando menos luz
o sonidos más suaves.
o sonidos más suaves.
Y analizamos todos estos experimentos
08:11
And we analyzed all of these experiments
137
479887
2874
08:14
until we really understood
the limits of our technique,
the limits of our technique,
138
482761
3622
hasta realmente entender
los límites de nuestra técnica,
los límites de nuestra técnica,
08:18
because once we understood those limits,
139
486383
1950
porque una vez que
entendimos esos límites,
entendimos esos límites,
08:20
we could figure out how to push them.
140
488333
2346
podíamos encontrar
la manera de mejorarlos.
la manera de mejorarlos.
08:22
And that led to experiments like this one,
141
490679
3181
Y eso llevó a
experimentos como este,
experimentos como este,
08:25
where again, I'm going to speak
to a bag of chips,
to a bag of chips,
142
493860
2739
donde de nuevo, hablo
con una bolsa de papas,
con una bolsa de papas,
08:28
but this time we've moved our camera
about 15 feet away,
about 15 feet away,
143
496599
4830
pero esta vez hemos alejado
la cámara unos 4,5 m,
la cámara unos 4,5 m,
08:33
outside, behind a soundproof window,
144
501429
2833
tras una ventana insonorizada.
08:36
and the whole thing is lit
by only natural sunlight.
by only natural sunlight.
145
504262
2803
y todo esto está iluminado
solo por la luz solar natural.
solo por la luz solar natural.
Así que aquí está el video
que hemos capturado.
que hemos capturado.
08:40
And so here's the video that we captured.
146
508529
2155
08:44
And this is what things sounded like
from inside, next to the bag of chips.
from inside, next to the bag of chips.
147
512450
4559
Y así se escuchaban las cosas desde
el interior, junto a la bolsa de papas.
el interior, junto a la bolsa de papas.
08:49
(Audio) Mary had a little lamb
whose fleece was white as snow,
whose fleece was white as snow,
148
517009
5038
(Audio) "María tenía un corderito
con piel blanca como la nieve,
con piel blanca como la nieve,
08:54
and everywhere that Mary went,
that lamb was sure to go.
that lamb was sure to go.
149
522047
5619
y a donde iba María,
ahí iba ese corderito".
ahí iba ese corderito".
08:59
AD: And here's what we were able
to recover from our silent video
to recover from our silent video
150
527666
4017
AD: Y esto es lo que hemos podido
recuperar de nuestro video en silencio
recuperar de nuestro video en silencio
09:03
captured outside behind that window.
151
531683
2345
capturado fuera tras esa ventana.
09:06
(Audio) Mary had a little lamb
whose fleece was white as snow,
whose fleece was white as snow,
152
534028
4435
(Audio) "María tenía un corderito
con piel blanca como la nieve,
con piel blanca como la nieve,
09:10
and everywhere that Mary went,
that lamb was sure to go.
that lamb was sure to go.
153
538463
5457
y a donde iba María,
ahí iba ese corderito".
ahí iba ese corderito".
09:15
(Applause)
154
543920
6501
(Aplausos)
09:22
AD: And there are other ways
that we can push these limits as well.
that we can push these limits as well.
155
550421
3542
AD: Y hay otras maneras para
ir más allá de los límites.
ir más allá de los límites.
09:25
So here's a quieter experiment
156
553963
1798
Así que aquí hay
un experimento más tranquilo
un experimento más tranquilo
09:27
where we filmed some earphones
plugged into a laptop computer,
plugged into a laptop computer,
157
555761
4110
donde filmamos los auriculares
conectados a una portátil,
conectados a una portátil,
09:31
and in this case, our goal was to recover
the music that was playing on that laptop
the music that was playing on that laptop
158
559871
4110
y en este caso, teníamos que recuperar
la música que sonaba en ese portátil
la música que sonaba en ese portátil
09:35
from just silent video
159
563981
2299
a partir de ese video
simplemente en silencio
simplemente en silencio
09:38
of these two little plastic earphones,
160
566280
2507
a partir de estos dos
auriculares de plástico,
auriculares de plástico,
09:40
and we were able to do this so well
161
568787
2183
y lo hemos hecho tan bien
09:42
that I could even Shazam our results.
162
570970
2461
que incluso puedo decir Shazam
por los resultados.
por los resultados.
09:45
(Laughter)
163
573431
2411
(Risas)
09:49
(Music: "Under Pressure" by Queen)
164
577191
10034
(Música: "Under Pressure" de Queen)
10:01
(Applause)
165
589615
4969
(Aplausos)
10:06
And we can also push things
by changing the hardware that we use.
by changing the hardware that we use.
166
594584
4551
Y también podemos mejorarlo
cambiando el hardware que usamos.
cambiando el hardware que usamos.
10:11
Because the experiments
I've shown you so far
I've shown you so far
167
599135
2461
Porque los experimentos
que he mostrado hasta ahora
que he mostrado hasta ahora
10:13
were done with a camera,
a high-speed camera,
a high-speed camera,
168
601596
2322
se realizaron con una cámara
de alta velocidad,
de alta velocidad,
10:15
that can record video
about a 100 times faster
about a 100 times faster
169
603918
2879
que puede grabar video
100 veces más rápido
100 veces más rápido
10:18
than most cell phones,
170
606797
1927
que la mayoría de
los teléfonos móviles,
los teléfonos móviles,
10:20
but we've also found a way
to use this technique
to use this technique
171
608724
2809
pero también hemos encontrado
la manera de usar esta técnica
la manera de usar esta técnica
10:23
with more regular cameras,
172
611533
2230
con cámaras más convencionales,
10:25
and we do that by taking advantage
of what's called a rolling shutter.
of what's called a rolling shutter.
173
613763
4069
y lo hacemos aprovechando lo que
se llama el efecto gelatina.
se llama el efecto gelatina.
10:29
You see, most cameras
record images one row at a time,
record images one row at a time,
174
617832
4798
La mayoría de las cámaras funciona
con un fotosito por cada píxel,
con un fotosito por cada píxel,
10:34
and so if an object moves
during the recording of a single image,
during the recording of a single image,
175
622630
5702
y si un objeto se mueve durante
la grabación de una sola imagen,
la grabación de una sola imagen,
10:40
there's a slight time delay
between each row,
between each row,
176
628344
2717
hay una leve demora entre cada fotosito,
10:43
and this causes slight artifacts
177
631061
3157
y esto hace que objetos sencillos
10:46
that get coded into each frame of a video.
178
634218
3483
sean codificados en
cada fotograma de un video.
cada fotograma de un video.
10:49
And so what we found
is that by analyzing these artifacts,
is that by analyzing these artifacts,
179
637701
3806
Hallamos que mediante
el análisis de estos objetos,
el análisis de estos objetos,
10:53
we can actually recover sound
using a modified version of our algorithm.
using a modified version of our algorithm.
180
641507
4615
se puede recuperar el sonido usando una
versión modificada de nuestro algoritmo.
versión modificada de nuestro algoritmo.
10:58
So here's an experiment we did
181
646122
1912
Aquí un experimento que hicimos
11:00
where we filmed a bag of candy
182
648034
1695
donde filmamos una bolsa de dulces
11:01
while a nearby loudspeaker played
183
649729
1741
mientras que un altavoz reproducía
11:03
the same "Mary Had a Little Lamb"
music from before,
music from before,
184
651470
2972
el mismo "María tenía un corderito",
la música de antes,
la música de antes,
11:06
but this time, we used just a regular
store-bought camera,
store-bought camera,
185
654442
4203
pero esta vez, usamos una cámara
comprada en la tienda normal,
comprada en la tienda normal,
11:10
and so in a second, I'll play for you
the sound that we recovered,
the sound that we recovered,
186
658645
3174
y en un segundo, les reproduciré
el sonido que hemos recuperado,
el sonido que hemos recuperado,
11:13
and it's going to sound
distorted this time,
distorted this time,
187
661819
2050
y esta vez sonará distorsionado,
11:15
but listen and see if you can still
recognize the music.
recognize the music.
188
663869
2836
pero escuchen a ver si aún así todavía
se puede reconocer la música.
se puede reconocer la música.
(Audio: "María tenía un corderito")
11:19
(Audio: "Mary Had a Little Lamb")
189
667723
6223
11:37
And so, again, that sounds distorted,
190
685527
3465
Y así, una vez más,
esto suena distorsionado,
esto suena distorsionado,
11:40
but what's really amazing here
is that we were able to do this
is that we were able to do this
191
688992
4386
pero lo realmente sorprendente
es que hemos podido hacerlo
es que hemos podido hacerlo
11:45
with something
that you could literally run out
that you could literally run out
192
693378
2626
con algo que, literalmente,
podría estar agotado
podría estar agotado
11:48
and pick up at a Best Buy.
193
696004
1444
y adquirirse en una tienda de ocasiones.
11:51
So at this point,
194
699122
1363
Así que en este punto
11:52
a lot of people see this work,
195
700485
1974
mucha gente verá este proyecto,
11:54
and they immediately think
about surveillance.
about surveillance.
196
702459
3413
y pensará de inmediato en la vigilancia.
11:57
And to be fair,
197
705872
2415
Y para ser justos,
12:00
it's not hard to imagine how you might use
this technology to spy on someone.
this technology to spy on someone.
198
708287
4133
no es difícil imaginar cómo usar
esta tecnología para espiar a alguien.
esta tecnología para espiar a alguien.
12:04
But keep in mind that there's already
a lot of very mature technology
a lot of very mature technology
199
712420
3947
Pero tengan en cuenta que ya hay
mucha tecnología muy madura
mucha tecnología muy madura
12:08
out there for surveillance.
200
716367
1579
para vigilancia.
12:09
In fact, people have been using lasers
201
717946
2090
De hecho, se ha estado usando láseres
12:12
to eavesdrop on objects
from a distance for decades.
from a distance for decades.
202
720036
2799
para espiar objetos
a distancia durante décadas.
a distancia durante décadas.
Pero lo que es realmente nuevo aquí,
12:15
But what's really new here,
203
723978
2025
12:18
what's really different,
204
726003
1440
lo que es realmente diferente,
12:19
is that now we have a way
to picture the vibrations of an object,
to picture the vibrations of an object,
205
727443
4295
es que ahora tenemos una forma de
imaginar las vibraciones de un objeto,
imaginar las vibraciones de un objeto,
12:23
which gives us a new lens
through which to look at the world,
through which to look at the world,
206
731738
3413
lo que nos da una nueva lente
a través de la cual mirar el mundo,
a través de la cual mirar el mundo,
12:27
and we can use that lens
207
735151
1510
y podemos usar esa lente,
12:28
to learn not just about forces like sound
that cause an object to vibrate,
that cause an object to vibrate,
208
736661
4899
aprender no solo de fuerzas como el
sonido que hacen que un objeto vibre,
sonido que hacen que un objeto vibre,
12:33
but also about the object itself.
209
741560
2288
sino también sobre el propio objeto.
Y por eso quiero dar un paso atrás
12:36
And so I want to take a step back
210
744975
1693
12:38
and think about how that might change
the ways that we use video,
the ways that we use video,
211
746668
4249
y pensar en cómo podría cambiar
la manera de usar el video,
la manera de usar el video,
12:42
because we usually use video
to look at things,
to look at things,
212
750917
3553
porque normalmente usamos
el video para mirar las cosas,
el video para mirar las cosas,
12:46
and I've just shown you how we can use it
213
754470
2322
y acabo de mostrar cómo podemos usarlo
12:48
to listen to things.
214
756792
1857
para escuchar las cosas.
12:50
But there's another important way
that we learn about the world:
that we learn about the world:
215
758649
3971
Pero hay otra forma importante
en que aprendemos del mundo:
en que aprendemos del mundo:
12:54
that's by interacting with it.
216
762620
2275
y es interactuando con él.
12:56
We push and pull and poke and prod things.
217
764895
3111
Empujamos, estiramos,
metemos y desplazamos cosas.
metemos y desplazamos cosas.
13:00
We shake things and see what happens.
218
768006
3181
Estrechamos las cosas para ver qué pasa.
13:03
And that's something that video
still won't let us do,
still won't let us do,
219
771187
4273
Y eso es algo que el video
aún no nos deja hacer;
aún no nos deja hacer;
13:07
at least not traditionally.
220
775460
2136
al menos no el tradicional.
13:09
So I want to show you some new work,
221
777596
1950
Así que les mostraré
un nuevo trabajo,
un nuevo trabajo,
13:11
and this is based on an idea I had
just a few months ago,
just a few months ago,
222
779546
2667
y esto se basa en una idea que
tuve hace apenas unos meses,
tuve hace apenas unos meses,
es pues la primera vez que lo muestro
públicamente a una audiencia.
públicamente a una audiencia.
13:14
so this is actually the first time
I've shown it to a public audience.
I've shown it to a public audience.
223
782213
3301
Y la idea básica es que usaremos
las vibraciones en un video
las vibraciones en un video
13:17
And the basic idea is that we're going
to use the vibrations in a video
to use the vibrations in a video
224
785514
5363
13:22
to capture objects in a way
that will let us interact with them
that will let us interact with them
225
790877
4481
para capturar objetos de forma que
nos permitirá interactuar con ellos
nos permitirá interactuar con ellos
13:27
and see how they react to us.
226
795358
1974
para ver cómo reaccionan con nosotros.
13:31
So here's an object,
227
799120
1764
Aquí hay un objeto,
13:32
and in this case, it's a wire figure
in the shape of a human,
in the shape of a human,
228
800884
3832
y en este caso, es una figura
de alambre en forma de ser humano,
de alambre en forma de ser humano,
13:36
and we're going to film that object
with just a regular camera.
with just a regular camera.
229
804716
3088
y filmaremos ese objeto
con una cámara normal.
con una cámara normal.
13:39
So there's nothing special
about this camera.
about this camera.
230
807804
2124
No hay nada de especial
en esta cámara.
en esta cámara.
13:41
In fact, I've actually done this
with my cell phone before.
with my cell phone before.
231
809928
2961
En realidad, he hecho esto
con mi teléfono móvil antes.
con mi teléfono móvil antes.
13:44
But we do want to see the object vibrate,
232
812889
2252
Pero queremos ver cómo vibra el objeto,
13:47
so to make that happen,
233
815141
1133
así que para que esto suceda,
13:48
we're just going to bang a little bit
on the surface where it's resting
on the surface where it's resting
234
816274
3346
golpearemos un poco
en la superficie donde yace
en la superficie donde yace
13:51
while we record this video.
235
819620
2138
mientras grabamos un video.
13:59
So that's it: just five seconds
of regular video,
of regular video,
236
827398
3671
Así que es eso: solo 5 segundos
de video normal,
de video normal,
14:03
while we bang on this surface,
237
831069
2136
mientras golpeamos en esta superficie,
14:05
and we're going to use
the vibrations in that video
the vibrations in that video
238
833205
3513
y usaremos las vibraciones de ese video
14:08
to learn about the structural
and material properties of our object,
and material properties of our object,
239
836718
4544
para aprender algunas propiedades
estructurales y materiales del objeto,
estructurales y materiales del objeto,
14:13
and we're going to use that information
to create something new and interactive.
to create something new and interactive.
240
841262
4834
y usaremos esa información para
crear algo nuevo e interactivo.
crear algo nuevo e interactivo.
14:24
And so here's what we've created.
241
852866
2653
Y así, esto es lo que hemos creado.
14:27
And it looks like a regular image,
242
855519
2229
Y parece una imagen común,
14:29
but this isn't an image,
and it's not a video,
and it's not a video,
243
857748
3111
pero no es una imagen,
ni un video,
ni un video,
14:32
because now I can take my mouse
244
860859
2368
porque ahora puedo desplazar mi ratón
14:35
and I can start interacting
with the object.
with the object.
245
863227
2859
y empezar a interactuar con el objeto.
14:44
And so what you see here
246
872936
2357
Y, cómo se ve aquí,
es una simulación de cómo este objeto
14:47
is a simulation of how this object
247
875389
2226
14:49
would respond to new forces
that we've never seen before,
that we've never seen before,
248
877615
4458
respondería a las nuevas fuerzas
que nunca hemos visto antes,
que nunca hemos visto antes,
14:54
and we created it from just
five seconds of regular video.
five seconds of regular video.
249
882073
3633
y lo creamos a partir de tan solo
5 segundos de video normal.
5 segundos de video normal.
(Aplausos)
14:59
(Applause)
250
887249
4715
15:09
And so this is a really powerful
way to look at the world,
way to look at the world,
251
897421
3227
Y esta es una forma muy poderosa
de mirar el mundo,
de mirar el mundo,
15:12
because it lets us predict
how objects will respond
how objects will respond
252
900648
2972
porque nos permite predecir
cómo responderán los objetos
cómo responderán los objetos
15:15
to new situations,
253
903620
1823
a las nuevas situaciones,
15:17
and you could imagine, for instance,
looking at an old bridge
looking at an old bridge
254
905443
3473
y uno puede imaginar, por ejemplo,
mirar un viejo puente
mirar un viejo puente
15:20
and wondering what would happen,
how would that bridge hold up
how would that bridge hold up
255
908916
3527
y preguntarse qué ocurriría,
cómo aguantará ese puente
cómo aguantará ese puente
15:24
if I were to drive my car across it.
256
912443
2833
si lo atravieso con mi auto.
15:27
And that's a question
that you probably want to answer
that you probably want to answer
257
915276
2774
Y esa es una pregunta que
probablemente desee responder
probablemente desee responder
15:30
before you start driving
across that bridge.
across that bridge.
258
918050
2560
antes de empezar
a atravesar ese puente.
a atravesar ese puente.
15:33
And of course, there are going to be
limitations to this technique,
limitations to this technique,
259
921988
3272
Y, por supuesto, habrá
limitaciones a esta técnica,
limitaciones a esta técnica,
15:37
just like there were
with the visual microphone,
with the visual microphone,
260
925260
2462
al igual que había
con el micrófono visual,
con el micrófono visual,
15:39
but we found that it works
in a lot of situations
in a lot of situations
261
927722
3181
pero hemos encontrado que
funciona en muchas situaciones
funciona en muchas situaciones
15:42
that you might not expect,
262
930903
1875
que no se podría esperar,
15:44
especially if you give it longer videos.
263
932778
2768
especialmente con videos más largos.
15:47
So for example,
here's a video that I captured
here's a video that I captured
264
935546
2508
Así, por ejemplo, aquí hay
un video que capturé
un video que capturé
15:50
of a bush outside of my apartment,
265
938054
2299
de un arbusto fuera de mi apartamento,
15:52
and I didn't do anything to this bush,
266
940353
3088
y no le hice nada a este arbusto,
15:55
but by capturing a minute-long video,
267
943441
2705
solo capturar un video durante un minuto,
15:58
a gentle breeze caused enough vibrations
268
946146
3378
una suave brisa causó
bastantes vibraciones
bastantes vibraciones
16:01
that we could learn enough about this bush
to create this simulation.
to create this simulation.
269
949524
3587
para aprender lo suficiente sobre
este arbusto y crear esta simulación.
este arbusto y crear esta simulación.
16:07
(Applause)
270
955270
6142
(Aplausos)
16:13
And so you could imagine giving this
to a film director,
to a film director,
271
961412
2972
Y uno podría imaginar
dárselo a un director de cine,
dárselo a un director de cine,
16:16
and letting him control, say,
272
964384
1719
y dejarle el control, por ejemplo,
16:18
the strength and direction of wind
in a shot after it's been recorded.
in a shot after it's been recorded.
273
966103
4922
la fuerza y dirección del viento en
una toma después de haberla grabado.
una toma después de haberla grabado.
16:24
Or, in this case, we pointed our camera
at a hanging curtain,
at a hanging curtain,
274
972810
4535
O, en este caso, apuntamos
la cámara a una cortina,
la cámara a una cortina,
16:29
and you can't even see
any motion in this video,
any motion in this video,
275
977345
4129
y ni siquiera se puede ver
movimiento en el video,
movimiento en el video,
16:33
but by recording a two-minute-long video,
276
981474
2925
sino por la grabación
de dos minutos de video,
de dos minutos de video,
16:36
natural air currents in this room
277
984399
2438
de corrientes de aire naturales
en esta sala, creando
en esta sala, creando
16:38
created enough subtle,
imperceptible motions and vibrations
imperceptible motions and vibrations
278
986837
4412
suficientes movimientos y vibraciones
y imperceptibles sutiles
y imperceptibles sutiles
16:43
that we could learn enough
to create this simulation.
to create this simulation.
279
991249
2565
de las que aprender lo suficiente
para crear esta simulación.
para crear esta simulación.
16:48
And ironically,
280
996243
2366
E irónicamente,
16:50
we're kind of used to having
this kind of interactivity
this kind of interactivity
281
998609
3088
estamos muy acostumbrados a tener
este tipo de interactividad
este tipo de interactividad
16:53
when it comes to virtual objects,
282
1001697
2647
con objetos virtuales,
16:56
when it comes to video games
and 3D models,
and 3D models,
283
1004344
3297
juegos de video y modelos 3D,
16:59
but to be able to capture this information
from real objects in the real world
from real objects in the real world
284
1007641
4404
pero para capturar esta información
a partir de objetos del mundo real
a partir de objetos del mundo real
17:04
using just simple, regular video,
285
1012045
2817
el uso de este simple video, normal
17:06
is something new that has
a lot of potential.
a lot of potential.
286
1014862
2183
es algo nuevo que tiene mucho potencial.
17:10
So here are the amazing people
who worked with me on these projects.
who worked with me on these projects.
287
1018410
4904
Así están las increíbles personas que
trabajaron conmigo en estos proyectos.
trabajaron conmigo en estos proyectos.
17:16
(Applause)
288
1024057
5596
(Aplausos)
Y lo que les he mostrado hoy
es solo el comienzo.
es solo el comienzo.
17:24
And what I've shown you today
is only the beginning.
is only the beginning.
289
1032819
3057
17:27
We've just started to scratch the surface
290
1035876
2113
Acabamos de empezar
a arañar la superficie
a arañar la superficie
17:29
of what you can do
with this kind of imaging,
with this kind of imaging,
291
1037989
2972
de lo que se puede hacer
con este tipo de imágenes,
con este tipo de imágenes,
17:32
because it gives us a new way
292
1040961
2286
porque nos da una nueva forma
para capturar nuestro entorno
con tecnología común, accesible.
con tecnología común, accesible.
17:35
to capture our surroundings
with common, accessible technology.
with common, accessible technology.
293
1043342
4724
17:40
And so looking to the future,
294
1048066
1929
Y así, mirar hacia el futuro,
17:41
it's going to be
really exciting to explore
really exciting to explore
295
1049995
2037
que será muy emocionante explorar
17:44
what this can tell us about the world.
296
1052032
1856
lo que esto nos puede
decir sobre el mundo.
decir sobre el mundo.
17:46
Thank you.
297
1054381
1204
Gracias.
17:47
(Applause)
298
1055610
6107
(Aplausos)
ABOUT THE SPEAKER
Abe Davis - Computer scientistComputer vision expert Abe Davis pioneers methods to extract audio from silent digital videos, even footage shot on ordinary consumer cameras.
Why you should listen
MIT PhD student, computer vision wizard and rap artist Abe Davis has co-created the world’s most improbable audio instrument. In 2014, Davis and his collaborators debuted the “visual microphone,” an algorithm that samples the sympathetic vibrations of ordinary objects (such as a potato chip bag) from ordinary high-speed video footage and transduces them into intelligible audio tracks.
Davis is also the author of Caperture, a 3D-imaging app designed to create and share 3D images on any compatible smartphone.
Abe Davis | Speaker | TED.com