TED2007
Stephen Lawler: Tour Microsoft's Virtual Earth
Stephen Lawler bemutatja a Microsoft Virtuális Föld alkalmazását
Filmed:
Readability: 4.5
338,924 views
Stephen Lawler, a Microsoft munkatársa forgószélszerű körutazást tart a Virtuális Földön, elképesztő fluiditással keresztül-kasul mozogva a valóságosnál is valóságosabb városképeken, egy olyan figyelemre méltó megoldást mutatva be, amelynek gigantikus adatmennyiségek vannak a központjában.
Stephen Lawler - General manager of Microsoft's Virtual Earth
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more. Full bio
Stephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more. Full bio
Double-click the English transcript below to play the video.
00:25
What I want to talk to you about today is
0
0
3000
Amiről ma beszélni fogok, az nem más, mint
00:28
virtual worlds, digital globes, the 3-D Web, the Metaverse.
1
3000
9000
a virtuális világok, digitális földgömbök, a 3D web, a metaverzum.
00:37
What does this all mean for us?
2
12000
2000
Mit jelent mindez a számunkra?
00:39
What it means is the Web is going to become an exciting place again.
3
14000
5000
Azt jelenti, hogy a web kezd ismét izgalmas hellyé válni.
00:44
It's going to become super exciting as we transform
4
19000
3000
Szuperizgalmas lesz, ahogy átalakítjuk
00:47
to this highly immersive and interactive world.
5
22000
4000
a virtuális valóság interaktív világává.
00:51
With graphics, computing power, low latencies,
6
26000
3000
Grafikájukkal, számítási teljesítményükkel, és sebességükkel
00:54
these types of applications and possibilities
7
29000
3000
ezek az alkalmazások és lehetőségek
00:57
are going to stream rich data into your lives.
8
32000
5000
az információk tárházát juttatják el az Önök életébe.
01:02
So the Virtual Earth initiative, and other types of these initiatives,
9
37000
5000
A Virtuális Föld program, és más hasonló programok
01:07
are all about extending our current search metaphor.
10
42000
6000
mind a jelenlegi keresési metaforánk kiterjesztéséről szólnak.
01:13
When you think about it, we're so constrained by browsing the Web,
11
48000
3000
Amikor erről beszélünk, a web böngészése jut eszünkbe,
01:16
remembering URLs, saving favorites.
12
51000
3000
URL-ek megjegyzése, kedvencek elmentése, stb.
01:19
As we move to search, we rely on the relevance rankings,
13
54000
3000
A keresés során fontossági rangsorokra támaszkodunk,
01:22
the Web matching, the index crawling.
14
57000
3000
web-illeszkedést, és index-feltérképezést használunk.
01:25
But we want to use our brain!
15
60000
2000
De mi az agyunkat akarjuk használni!
01:27
We want to navigate, explore, discover information.
16
62000
3000
Navigálni, kutatni, felfedezni akarunk az információk tengerében.
01:30
In order to do that, we have to put you as a user back in the driver's seat.
17
65000
5000
Hogy ezt megtehessük, vissza kell ültetnünk a felhasználót a vezetőülésbe.
01:35
We need cooperation between you and the computing network and the computer.
18
70000
4000
Együttműködésre van szükség Önök, a hálózat és a számítógép között.
01:39
So what better way to put you back in the driver's seat
19
74000
4000
És mi lenne a legjobb módja annak, hogy visszakerüljenek a vezetőülésbe,
01:43
than to put you in the real world that you interact in every day?
20
78000
3000
mint a belehelyezés abba a valós világba, amellyel naponta kapcsolatba kerülnek?
01:46
Why not leverage the learnings that you've been learning your entire life?
21
81000
4000
Miért nem hasznosítjuk az életünk során megszerzett ismereteket?
01:50
So Virtual Earth is about starting off
22
85000
3000
A Virtuális Föld nem más, mint lépés
01:53
creating the first digital representation, comprehensive, of the entire world.
23
88000
5000
a világ első, átfogó, digitális leképezése irányába.
01:58
What we want to do is mix in all types of data.
24
93000
3000
Szeretnénk minden rendelkezésre álló adatot összehozni.
02:01
Tag it. Attribute it. Metadata. Get the community to add local depth,
25
96000
5000
Felcímkézni. Tulajdonságokkal és metaadatokkal ellátni. Közösségek révén
02:06
global perspective, local knowledge.
26
101000
3000
lokális részletekkel, globális perspektívával, és helyi ismeretekkel kiegészíteni.
02:09
So when you think about this problem,
27
104000
2000
Amikor elkezdünk ezen a problémán gondolkozni,
02:11
what an enormous undertaking. Where do you begin?
28
106000
4000
látjuk, milyen óriási a feladat. Hogyan kezdjünk hozzá?
02:15
Well, we collect data from satellites, from airplanes,
29
110000
4000
Először is, adatokat gyűjtünk műholdakról, repülőgépekről,
02:19
from ground vehicles, from people.
30
114000
3000
földi járművekről, emberektől.
02:22
This process is an engineering problem,
31
117000
5000
Ez a folyamat részben mérnöki probléma,
02:27
a mechanical problem, a logistical problem, an operational problem.
32
122000
4000
mechanikai probléma, logisztikai és működtetési probléma.
02:31
Here is an example of our aerial camera.
33
126000
2000
Itt van például az egyik légi kameránk.
02:33
This is panchromatic. It's actually four color cones.
34
128000
3000
Ez egy pánkromatikus kamera. Ami négy színérzékelőt használ.
02:36
In addition, it's multi-spectral.
35
131000
2000
Ráadásul még multispektrális is.
02:38
We collect four gigabits per second of data,
36
133000
4000
Másodpercenként négy gigabit adatot gyűjtünk,
02:42
if you can imagine that kind of data stream coming down.
37
137000
2000
képzelhetik, micsoda adatáramot jelent mindez!
02:44
That's equivalent to a constellation of 12 satellites at highest res capacity.
38
139000
6000
Ez megfelel 12 műhold együttes teljesítményének, a legnagyobb felbontás mellett.
02:50
We fly these airplanes at 5,000 feet in the air.
39
145000
4000
Ezek a repülőgépek közel 2.000 méteres magasságban repülnek.
02:54
You can see the camera on the front. We collect multiple viewpoints,
40
149000
3000
Láthatjuk a kamerát ott az orrán. Az adatokat több nézőpontból,
02:57
vantage points, angles, textures. We bring all that data back in.
41
152000
6000
több távlatból, szögből és textúrával gyűjtjük. És az összes adatot fel is használjuk.
03:03
We sit here -- you know, think about the ground vehicles, the human scale --
42
158000
4000
Itt ülünk -- és a felszíni járműveken gondolkozunk, emberi léptékben --
03:07
what do you see in person? We need to capture that up close
43
162000
2000
de mit látunk valójában? Közelről kell megragadnunk,
03:09
to establish that what it's like-type experience.
44
164000
4000
hogy létrehozhassuk ezt a "milyen is ez" élményt.
03:13
I bet many of you have seen the Apple commercials,
45
168000
4000
Bizonyára sokan látták Önök közül az Apple-reklámokat,
03:17
kind of poking at the PC for their brilliance and simplicity.
46
172000
6000
melyek a PC-ket piszkálják remek voltuk és egyszerűségük miatt.
03:23
So a little unknown secret is --
47
178000
2000
Van itt egy apró titok --
03:25
did you see the one with the guy, he's got the Web cam?
48
180000
4000
látták azt a fickót azzal a webkamerával?
03:29
The poor PC guy. They're duct taping his head. They're just wrapping it on him.
49
184000
4000
Szegény PC-s ember. Hozzáragasztották a fejéhez. Egyszerűen hozzákötözték.
03:33
Well, a little unknown secret is his brother actually works on the Virtual Earth team.
50
188000
4000
Nos a kis titok az, hogy a testvére a Virtuális Föld csapatban dolgozik.
03:37
(Laughter). So they've got a little bit of a sibling rivalry thing going on here.
51
192000
5000
(Nevetés). Van is köztük egy kis testvérek közötti rivalizálás.
03:42
But let me tell you -- it doesn't affect his day job.
52
197000
2000
De hadd mondjam el Önöknek -- ennek semmi hatása a napi munkájára.
03:44
We think a lot of good can come from this technology.
53
199000
3000
Meggyőződésünk, hogy rengeteg jó dolog származhat ebből a technológiából.
03:47
This was after Katrina. We were the first commercial fleet of airplanes
54
202000
4000
Ez a Katrina utáni állapot. A miénk volt az első kereskedelmi légiflotta,
03:51
to be cleared into the disaster impact zone.
55
206000
3000
ami bejutott a katasztrófa sújtotta területre.
03:54
We flew the area. We imaged it. We sent in people. We took pictures of interiors,
56
209000
5000
Berepültük a területet. Rögzítettük a képeket. Embereket küldtünk oda. Belső tereket fényképeztünk,
03:59
disaster areas. We helped with the first responders, the search and rescue.
57
214000
4000
elpusztított területeket. Mi segítettük elsőként a keresést és a mentést.
04:03
Often the first time anyone saw what happened to their house was on Virtual Earth.
58
218000
5000
Sokan a Virtuális Földön keresztül látták először, hogy mi történt a házukkal.
04:08
We made it all freely available on the Web, just to --
59
223000
2000
Mindent ingyenesen elérhetővé tettünk a Weben, csak úgy --
04:10
it was obviously our chance of helping out with the cause.
60
225000
4000
ez volt a nyilvánvaló esélyünk arra, hogy segítsünk.
04:14
When we think about how all this comes together,
61
229000
3000
És hogy mindez miből áll össze:
04:17
it's all about software, algorithms and math.
62
232000
4000
szoftverből, algoritmusokból és matematikából.
04:21
You know, we capture this imagery but to build the 3-D models
63
236000
3000
Mi rögzítettük ezeket a képeket, de a 3D modellek megépítéséhez
04:24
we need to do geo-positioning. We need to do geo-registering of the images.
64
239000
5000
geopozícionálást kell végeznünk. A képeket földrajzi koordinátákhoz kell rendelnünk.
04:29
We have to bundle adjust them. Find tie points.
65
244000
2000
Össze kell illesztenünk a nyalábokat. Meg kell találnunk a kapcsolódási pontokat.
04:31
Extract geometry from the images.
66
246000
3000
Ki kell nyernünk a geometriát a képekből.
04:34
This process is a very calculated process.
67
249000
4000
Ez egy rendkívül számításigényes folyamat.
04:38
In fact, it was always done manual.
68
253000
1000
Ez valójában mindig manuális módon történt.
04:39
Hollywood would spend millions of dollars to do a small urban corridor
69
254000
4000
Hollywood millió dollárokat költene egy kicsi városi folyosó megépítésére
04:43
for a movie because they'd have to do it manually.
70
258000
3000
egy film számára, mert nekik manuálisan kéne dolgozniuk.
04:46
They'd drive the streets with lasers called LIDAR.
71
261000
2000
Ők az utcákat lézerekkel, ú.n. LIDAR-okkal vezetik.
04:48
They'd collected information with photos. They'd manually build each building.
72
263000
4000
Az információt fényképezéssel gyűjtik. Manuálisan építenek minden egyes épületet.
04:52
We do this all through software, algorithms and math --
73
267000
2000
Mi mindezt szoftverrel, algoritmusokkal és matematikával csináljuk --
04:54
a highly automated pipeline creating these cities.
74
269000
3000
egy magas fokon automatizált gyártósorral építjük ezeket a városokat.
04:57
We took a decimal point off what it cost to build these cities,
75
272000
3000
Egy nagyságrenddel csökkentettük az ilyen városok építési költségeit,
05:00
and that's how we're going to be able to scale this out and make this reality a dream.
76
275000
4000
és így leszünk képesek ennek kiterjesztésével a valóságot álommá alakítani.
05:04
We think about the user interface.
77
279000
2000
Foglalkozunk a felhasználói felülettel is.
05:06
What does it mean to look at it from multiple perspectives?
78
281000
3000
Mit jelent az, hogy több nézőpontból nézzük a dolgokat?
05:09
An ortho-view, a nadir-view. How do you keep the precision of the fidelity of the imagery
79
284000
5000
Egy orto-nézet, egy nadír-nézet. Hogyan őrizzük meg a pontos képhűséget,
05:14
while maintaining the fluidity of the model?
80
289000
4000
és tartjuk fenn a modell fluiditását?
05:18
I'll wrap up by showing you the --
81
293000
2000
Befejezésül megmutatom Önöknek a --
05:20
this is a brand-new peek I haven't really shown into the lab area of Virtual Earth.
82
295000
4000
még sosem adtam senkinek bepillantást a Virtuális Föld laboratóriumába.
05:24
What we're doing is -- people like this a lot,
83
299000
3000
Amit most csinálunk -- az emberek nagyon szeretik ezt,
05:27
this bird's eye imagery we work with. It's this high resolution data.
84
302000
3000
madártávlati képekkel dolgozunk. Ez a nagyfelbontású adat.
05:30
But what we've found is they like the fluidity of the 3-D model.
85
305000
4000
Azt vettük észre, hogy igazán szeretik a 3D modell fluiditását.
05:34
A child can navigate with an Xbox controller or a game controller.
86
309000
4000
Egy gyermek könnyen navigál egy Xbox-szal vagy egy játékkontrollerrel.
05:38
So here what we're trying to do is we bring the picture and project it into the 3-D model space.
87
313000
5000
Itt most megkíséreljük a képet rávetíteni a 3D-s modelltérre.
05:43
You can see all types of resolution. From here, I can slowly pan the image over.
88
318000
6000
Különböző felbontásokat láthatnak itt. Innen indulva, szép lassan el tudom húzni a képet.
05:49
I can get the next image. I can blend and transition.
89
324000
3000
Foghatom a következő képet. Keverhetek, és áttűnéseket készíthetek.
05:52
By doing this I don't lose the original detail. In fact, I might be recording history.
90
327000
5000
Viszont az eredeti részleteket ezzel nem veszítem el. Akár a történetet is rögzíthetem.
05:57
The freshness, the capacity. I can turn this image.
91
332000
3000
Micsoda frissesség és kapacitás. A képet el is fordíthatom.
06:00
I can look at it from multiple viewpoints and angles.
92
335000
3000
Megnézhetem különböző nézetekből és szögekből.
06:03
What we're trying to do is build a virtual world.
93
338000
3000
Egy virtuális világot próbálunk felépíteni.
06:06
We hope that we can make computing a user model you're familiar with,
94
341000
5000
Reméljük, képesek leszünk a számítástechnikát egy ismerős felhasználói modellé alakítani,
06:11
and really derive insights from you, from all different directions.
95
346000
4000
és betekintést adni Önöknek az összes különféle irányból.
06:15
I thank you very much for your time.
96
350000
2000
Köszönöm a drága idejüket!
06:17
(Applause)
97
352000
1000
(Taps)
ABOUT THE SPEAKER
Stephen Lawler - General manager of Microsoft's Virtual EarthStephen Lawler and the Virtual Earth team have created an addictively interactive 3D world that is poised to reinvent our view of advertising, gaming, weather/traffic reporting, instant messaging and more.
Why you should listen
Microsoft's Stephen Lawler offers a tour of Virtual Earth that not only reveals the power and potential of the software itself, but also gives a global glimpse of the new virtual frontier of digital globes, the 3D Web and the metaverse.
Lawler also explores the enormous effort it takes to create the fluid blending and shifting between the multiple views and resolutions of Virtual Earth. From the satellites and airplanes that gather photo data for a top-down view to the ground vehicles and headgear-wearing pedestrians who canvas the ground for an eye-level perspective -- all of it represents a monumental effort of logistics and mechanics.
Stephen Lawler | Speaker | TED.com