TED2015
Abe Davis: New video technology that reveals an object's hidden properties
آبي دافيز: تقنية الفيديو الجديدة التي تكشف الخصائص المخفية للكائن
Filmed:
Readability: 4.3
1,482,525 views
حركة خفية تحدث من حولنا في كل وقت، بما في ذلك الاهتزازات الصغيرة الناجمة عن الصوت. تكنولوجيا جديدة تظهر أننا ممكن أن نتمكن من التقاط هذه الاهتزازات وفعلا إعادة إنشاء الصوت والمحادثات فقط من شريط فيديو . ولكن الآن ابي ديفيس يأخذ خطوة أبعد: ببرنامج تجريبي يسمح لأي شخص أن يتفاعل مع هذه الخصائص الخفية، فقط من شريط فيديو بسيط.
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.
أكثرنا يرى الحركة بإعتبارها شيئا بصريا فقط
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
لو مشيت عبر المسرح أو أشرت يدي بينما أتكلم
00:22
that motion is something that you can see.
2
10977
2261
فتلك الحركة هي شئ يمكنكم رؤيته
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
ولكن هناك عالم من الحركات المهمة
دقيقة جدا للعين البشرية
00:31
and over the past few years,
4
19737
2041
وخلال السنوات القليلة الماضية
00:33
we've started to find that cameras
5
21778
1997
بدأنا بمعرفة إن الكاميرا
00:35
can often see this motion
even when humans can't.
even when humans can't.
6
23775
3410
تستطيع رؤية الحركة حتى لو لم يتمكن البشر
لذلك دعوني اريكم ما اعني
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
هنا إلى اليسار ترون فلما عن معصم شخص ما
00:46
and on the right, you see video
of a sleeping infant,
of a sleeping infant,
9
34339
3147
وإلى اليمين ترون فلما عن طفلة نائمة
00:49
but if I didn't tell you
that these were videos,
that these were videos,
10
37486
3146
ولكن لو لم اخبركم بانها أفلام
00:52
you might assume that you were looking
at two regular images,
at two regular images,
11
40632
3761
ستعتثدون إنكم تنظرون إلى صورتين إعتياديتين
00:56
because in both cases,
12
44393
1672
لأن في الحالتين
00:58
these videos appear to be
almost completely still.
almost completely still.
13
46065
3047
يظهر هاذان الفلمان بأنهما ثابتان تماما
ولكن هناك الكثير من الحركات الدقيقة
01:02
But there's actually a lot
of subtle motion going on here,
of subtle motion going on here,
14
50175
3885
التي تحدث هنا
01:06
and if you were to touch
the wrist on the left,
the wrist on the left,
15
54060
2392
وإذا تحسستم المعصم الذي على اليسار
01:08
you would feel a pulse,
16
56452
1996
كنتم ستشعرون بالنبض
01:10
and if you were to hold
the infant on the right,
the infant on the right,
17
58448
2485
ولو أمسكتم الطفلة التي على اليمين
01:12
you would feel the rise
and fall of her chest
and fall of her chest
18
60933
2391
لشعرتم بإرتفاع وإنخفاض صدرها
01:15
as she took each breath.
19
63324
1390
بينما تأخذ أنفاسها
01:17
And these motions carry
a lot of significance,
a lot of significance,
20
65762
3576
وهذه الحركات تأخذ الكثير من الأهمية
01:21
but they're usually
too subtle for us to see,
too subtle for us to see,
21
69338
3343
ولكنها عادة دقيقة جدا علينا لنراها
01:24
so instead, we have to observe them
22
72681
2276
وبدلا من ذلك علينا مراقبتها
01:26
through direct contact, through touch.
23
74957
2900
من خلال الأتصال المباشر أو اللمس المباشر
01:30
But a few years ago,
24
78997
1265
ولكن قبل بضع سنوات
01:32
my colleagues at MIT developed
what they call a motion microscope,
what they call a motion microscope,
25
80262
4405
قام زملائي بتطوير ما سموه بمجهر الحركة
01:36
which is software that finds
these subtle motions in video
these subtle motions in video
26
84667
4384
وهو برنامج يجد الحركة الدقيقة في الافلام
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
ويضخمها بما يجعلها كبيرة كفاية لنا لنراها
و لو استخدمنا البرنامج على الفلم الأيسر
01:45
And so, if we use their software
on the left video,
on the left video,
28
93416
3483
01:48
it lets us see the pulse in this wrist,
29
96899
3250
يجعلنا نرى النبض في المعصم
01:52
and if we were to count that pulse,
30
100149
1695
وإذا اردنا حساب ذلك النبض
01:53
we could even figure out
this person's heart rate.
this person's heart rate.
31
101844
2355
يمكننا تحديد معدل النبض لهذا الشخص
ولو إستخدمنا نفس البرنامج على الفلم الأيمن
01:57
And if we used the same software
on the right video,
on the right video,
32
105095
3065
02:00
it lets us see each breath
that this infant takes,
that this infant takes,
33
108160
3227
يمكننا أن نرى كل تنفس تقوم به الطفلة
02:03
and we can use this as a contact-free way
to monitor her breathing.
to monitor her breathing.
34
111387
4137
ويمكننا هذا من مراقبة تنفسها دون لمسها
وبهذا فإن هذه التكنولوجبا قوية فعلا
02:08
And so this technology is really powerful
because it takes these phenomena
because it takes these phenomena
35
116884
5348
لأنها تأخذ مثل هذه الظواهر
التي نمارسها عادة باللمس
02:14
that we normally have
to experience through touch
to experience through touch
36
122232
2367
02:16
and it lets us capture them visually
and non-invasively.
and non-invasively.
37
124599
2957
وتسمح لنا بالتقاطها بصريا وبدون احتكاك
وهكذا ومنذ بضعة سنين
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
بدأت بالعمل مع الذين وضعوا هذا البرنامج
وقررنا أن نتابع فكرة مجنونة
02:25
and we decided to pursue a crazy idea.
39
133515
3367
رأينا إنها فكرة جيدة بأن نستخدم برنامجا
02:28
We thought, it's cool
that we can use software
that we can use software
40
136882
2693
02:31
to visualize tiny motions like this,
41
139575
3135
لأستيعاب حركات دقيقة مثل هذه
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
ولنا أن تأخذها كطريقة لتوسيع حاسة لمسنا
02:39
But what if we could do the same thing
with our ability to hear?
with our ability to hear?
43
147168
4059
ولكن ماذا لو أستطعنا عمل نفس الشيء
مع قدرتنا على السمع؟
ماذا لو تمكنا من إستخدام الأفلام
02:44
What if we could use video
to capture the vibrations of sound,
to capture the vibrations of sound,
44
152508
4665
لأاتقاط ذبذبات الصوت
والتي هي ليست إلا نوع آخر من الحركة
02:49
which are just another kind of motion,
45
157173
2827
02:52
and turn everything that we see
into a microphone?
into a microphone?
46
160000
3346
وتحويل كل ما نراه إلى ميكروفون
02:56
Now, this is a bit of a strange idea,
47
164236
1971
وهذه حقا فكرة غريبة قليلا
02:58
so let me try to put it
in perspective for you.
in perspective for you.
48
166207
2586
لذا دعوني أضعها بالشكل الصحيح لكم
03:01
Traditional microphones
work by converting the motion
work by converting the motion
49
169523
3488
لميكروفون العادي يعمل بتحويل الحركة
03:05
of an internal diaphragm
into an electrical signal,
into an electrical signal,
50
173011
3599
لغشاء داخلي إلى إشارة كهربائية
03:08
and that diaphragm is designed
to move readily with sound
to move readily with sound
51
176610
4318
وهذا الغشاء مصمم للحركة بسهولة تبعا للصوت
03:12
so that its motion can be recorded
and interpreted as audio.
and interpreted as audio.
52
180928
4807
بحيث يمكن تسجيل حركته و ترجمتها إلى صوت
03:17
But sound causes all objects to vibrate.
53
185735
3668
ولكن الصوت يسبب ذبذبة جميع الأجسام
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
وهذه الذبذبات عادة تكون دقيقة جدا
وسريعة جدا لنا لنراها
03:26
So what if we record them
with a high-speed camera
with a high-speed camera
55
194883
3738
أي إننا عندما نسجلها بكاميرا ذات سرع عالية
03:30
and then use software
to extract tiny motions
to extract tiny motions
56
198621
3576
ونستخدم البرنامج لأستخلاص الحركات الدقيقة
03:34
from our high-speed video,
57
202197
2090
من فلمنا العالي السرعة
03:36
and analyze those motions to figure out
what sounds created them?
what sounds created them?
58
204287
4274
ثم نحلل هذه الحركات
لنجد أي صوت هو الذي سبّبها؟
وهذا يسمح لنا بتحويل الأشياء المنظورة
03:41
This would let us turn visible objects
into visual microphones from a distance.
into visual microphones from a distance.
59
209859
5449
إلى مكروفونات بصرية بعيدة
03:49
And so we tried this out,
60
217080
2183
وهكذا جربنا ذلك
03:51
and here's one of our experiments,
61
219263
1927
وهذه واحدة من إحدى تجاربنا
03:53
where we took this potted plant
that you see on the right
that you see on the right
62
221190
2949
حيث أخذنا نبتة مزروعة نراها على اليمين
03:56
and we filmed it with a high-speed camera
63
224139
2438
وصورناها بكاميرا عالية السرعة
03:58
while a nearby loudspeaker
played this sound.
played this sound.
64
226577
3529
بينما كان مكبر صوت مجاور يظهر الصوت
(موسيقى بأغنية أطفال)
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
وههذا هو الفيديو الذي سجلناه
04:14
and we recorded it at thousands
of frames per second,
of frames per second,
67
242644
3924
وصورناه بسرعة عدة ألاف من الأطر بالثانية
04:18
but even if you look very closely,
68
246568
2322
ولكن حتى إذا نظرت إليه عن قرب
04:20
all you'll see are some leaves
69
248890
1951
سترى أن هناك بعض الاوراق
04:22
that are pretty much
just sitting there doing nothing,
just sitting there doing nothing,
70
250841
3065
لا تفعل شيئا سوى البقاء ساكنة
04:25
because our sound only moved those leaves
by about a micrometer.
by about a micrometer.
71
253906
4806
لأن الصوت لم يحرك هذه الأوراق
إلا أقل من ميكروميتر
04:31
That's one ten-thousandth of a centimeter,
72
259103
4276
وهو جزء من عشرة آلاف من السنتمتر
04:35
which spans somewhere between
a hundredth and a thousandth
a hundredth and a thousandth
73
263379
4156
والذي يمتد بين واحد بالمائة وواحد بالألف
04:39
of a pixel in this image.
74
267535
2299
من البكسل من هذه الصورة
04:41
So you can squint all you want,
75
269881
2887
ويمكنك أن تحدق كما تريد
04:44
but motion that small is pretty much
perceptually invisible.
perceptually invisible.
76
272768
3335
ولكن حركة بهذا الصغر تبقى غير قابلة للرؤية
04:49
But it turns out that something
can be perceptually invisible
can be perceptually invisible
77
277667
4157
غير إنه ظهر إن هناك شيئا يمكن رؤيته
04:53
and still be numerically significant,
78
281824
2809
ويبقى رقميا شيئا مهما
04:56
because with the right algorithms,
79
284633
2002
لأننا باستخدام الخوارزمية الصحيحة
04:58
we can take this silent,
seemingly still video
seemingly still video
80
286635
3687
لأننا سنأخذ الفلم الصامت الذي يبدو ساكنا
05:02
and we can recover this sound.
81
290322
1527
ونستطيع استعادة ذلك الصوت
05:04
(Music: "Mary Had a Little Lamb")
82
292690
7384
(موسيقى أطفال )
05:12
(Applause)
83
300074
5828
(تصفيق)
كيف كان ذلك ممكنا ؟
05:22
So how is this possible?
84
310058
1939
كيف تمكنا من الحصول على هذا القدر
05:23
How can we get so much information
out of so little motion?
out of so little motion?
85
311997
4344
من المعلومات من هذه الحركة القليلة؟
05:28
Well, let's say that those leaves
move by just a single micrometer,
move by just a single micrometer,
86
316341
5361
حسنا، لنقل بأن هذه الأوراق
تحركت ميكروميترا واحدا
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
ولنقل بأن ذلك سيحرك الصورة
بمقدار واحد بالألف من البكسل
05:39
That may not seem like much,
88
327269
2572
ولا يبدو هذا كثيرا
05:41
but a single frame of video
89
329841
1996
ولكن صورة واحدة من الفلم الفيديو
05:43
may have hundreds of thousands
of pixels in it,
of pixels in it,
90
331837
3257
يمكن ن يكون فيها مئات الآلاف من البكسلات
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
لذلك اذا أدمجنا جميع الحركات الدقيقة
05:50
from across that entire image,
92
338548
2298
التي نشاهدها عبر الصورة بكاملها
05:52
then suddenly a thousandth of a pixel
93
340846
2623
و فجأة يمكن لواحد بالألف من البكسل
05:55
can start to add up
to something pretty significant.
to something pretty significant.
94
343469
2775
أن يبدأ ليكون شيئا مهما جدا
05:58
On a personal note, we were pretty psyched
when we figured this out.
when we figured this out.
95
346870
3635
وأقول بأننا أصبنا بالجنون عندما عرفنا ذلك
06:02
(Laughter)
96
350505
2320
(ضحك)
06:04
But even with the right algorithm,
97
352825
3253
ولكن حتى مع الخوارزمية الصحيحة
06:08
we were still missing
a pretty important piece of the puzzle.
a pretty important piece of the puzzle.
98
356078
3617
لا نزال نفتقد جزءا مهما من الحزورة
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
ترون إن هناك العديد من العوامل تؤثر في
06:15
this technique will work.
100
363299
1997
متى وكيف ستعمل هذه التقنية
06:17
There's the object and how far away it is;
101
365296
3204
هناك الموضوع وكم يبعد
06:20
there's the camera
and the lens that you use;
and the lens that you use;
102
368500
2394
هناك الكاميرا والعدسة المستعملة
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
كمبة الضوء النازل على الجسم و إرتفاع الصوت
06:27
And even with the right algorithm,
104
375945
3375
وحتى مع الخوارزمية الصحيحة
06:31
we had to be very careful
with our early experiments,
with our early experiments,
105
379320
3390
يجب أن نعتني جدا بتجاربنا الأولية
06:34
because if we got
any of these factors wrong,
any of these factors wrong,
106
382710
2392
إذ لو إخترنا أي من هذه العوامل بشكل خاطئ
06:37
there was no way to tell
what the problem was.
what the problem was.
107
385102
2368
لن نتمكن من معرفة ماذا كانت المشكلة
06:39
We would just get noise back.
108
387470
2647
وسنحصل على ضجيج فقط
06:42
And so a lot of our early
experiments looked like this.
experiments looked like this.
109
390117
3320
وهكذا بدت العديد من تجاربنا الأولية
06:45
And so here I am,
110
393437
2206
وها أنا الآن
06:47
and on the bottom left, you can kind of
see our high-speed camera,
see our high-speed camera,
111
395643
4040
وعلى اليسار تشاهدون الكاميرا عالية السرعة
06:51
which is pointed at a bag of chips,
112
399683
2183
تشير إلى كيس من الرقاقات
06:53
and the whole thing is lit
by these bright lamps.
by these bright lamps.
113
401866
2949
وكل شئ مضاء بهذه المصابيح القوية
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
وكما قلت يجب أن نهتم بهذه التجارب الأولية
07:01
so this is how it went down.
115
409180
2508
وهكذا جرت التجربة أخيرا
07:03
(Video) Abe Davis: Three, two, one, go.
116
411688
3761
ئيب ديفز: ثلاثة إثنين واحد إبدأ
07:07
Mary had a little lamb!
Little lamb! Little lamb!
Little lamb! Little lamb!
117
415449
5387
أغنية أطفال
07:12
(Laughter)
118
420836
4500
(ضحك)
07:17
AD: So this experiment
looks completely ridiculous.
looks completely ridiculous.
119
425336
2814
إذا تبدو هذه التجربة سخيفة تماما
07:20
(Laughter)
120
428150
1788
(ضحك)
07:21
I mean, I'm screaming at a bag of chips --
121
429938
2345
أقصد إنني أصرخ على كيس من الرقاقات
07:24
(Laughter) --
122
432283
1551
(ضحك)
07:25
and we're blasting it with so much light,
123
433834
2117
ونحن نحاول تدميرها بهذه الكمية من الضوء
07:27
we literally melted the first bag
we tried this on. (Laughter)
we tried this on. (Laughter)
124
435951
4479
وبالفعل فقد أذبنا الكيس الأول
الذي أجرينا التجربة عليه (ضحك)
ولكن مهما بدت التجربة سخيفة
07:32
But ridiculous as this experiment looks,
125
440525
3274
07:35
it was actually really important,
126
443799
1788
فقد كانت فعلا مهمة جدا
07:37
because we were able
to recover this sound.
to recover this sound.
127
445587
2926
لأننا إستطعنا إستعادة هذا الصوت
07:40
(Audio) Mary had a little lamb!
Little lamb! Little lamb!
Little lamb! Little lamb!
128
448513
4712
صوت أغنية الاطفال
07:45
(Applause)
129
453225
4088
(تصفيق)
07:49
AD: And this was really significant,
130
457313
1881
وكان هذا مهما فعلا
07:51
because it was the first time
we recovered intelligible human speech
we recovered intelligible human speech
131
459194
4119
لأنها كانت المرة الأولى
التي إستعدنا فيها كلاما بشريا مفهوما
من الفلم الصامت لشيء ما
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
وهكذا أعطتنا نقطة للبداية
08:00
and gradually we could start
to modify the experiment,
to modify the experiment,
134
468156
3871
وتدريجيا بدأنا بتطوير التجربة
بإستخدام مواضيع مختلفة
08:04
using different objects
or moving the object further away,
or moving the object further away,
135
472106
3805
أو تغيير موضعها وبعدها
08:07
using less light or quieter sounds.
136
475911
2770
وإستخدام ضوء أقل أو اصوات أهدأ
وقمنا بتحليل كل هذه التجارب
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
حتى فهمنا فعلا حدود تقنياتنا
08:18
because once we understood those limits,
139
486383
1950
وما أن فهمنا هذه الحدود
08:20
we could figure out how to push them.
140
488333
2346
فقد عرفنا كيف نوسعها
08:22
And that led to experiments like this one,
141
490679
3181
وقادنا هذا إلى تجارب مثل هذه
08:25
where again, I'm going to speak
to a bag of chips,
to a bag of chips,
142
493860
2739
حيث سأعود مجددا للتكلم مع كيس رقاقات
08:28
but this time we've moved our camera
about 15 feet away,
about 15 feet away,
143
496599
4830
لكن هذه المرة ابعدنا الكاميرا 15 قدما
08:33
outside, behind a soundproof window,
144
501429
2833
وفي الخارج من خلف نافذة عازلة للصوت
08:36
and the whole thing is lit
by only natural sunlight.
by only natural sunlight.
145
504262
2803
وكان كل شيء مضاءا بنور الشمس الطبيعي فقط
والأن ها هو الفيديو الذي حصلنا عليه
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
وهذا ما بدا مسموعا من الداخل
من قرب كيس الرقاقات
08:49
(Audio) Mary had a little lamb
whose fleece was white as snow,
whose fleece was white as snow,
148
517009
5038
صوت أغنية الأطفال
08:54
and everywhere that Mary went,
that lamb was sure to go.
that lamb was sure to go.
149
522047
5619
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
وهذا ما أمكننا إستعادته من الفيديو الصامت
09:03
captured outside behind that window.
151
531683
2345
الذي صورناه من الخارج من خلف تلك النافذة
09:06
(Audio) Mary had a little lamb
whose fleece was white as snow,
whose fleece was white as snow,
152
534028
4435
صوت أغنية الأطفال
09:10
and everywhere that Mary went,
that lamb was sure to go.
that lamb was sure to go.
153
538463
5457
(تصفيق)
09:15
(Applause)
154
543920
6501
إعلان: وهناك طرق أخرى نستطيع بها
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
دفع هذه الحدود ابعد وابعد
09:25
So here's a quieter experiment
156
553963
1798
وإليكم هنا تجربة أهدأ
09:27
where we filmed some earphones
plugged into a laptop computer,
plugged into a laptop computer,
157
555761
4110
حيث صورنا سماعات أذنية مركبة على حاسبة
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
وفي هذه الحالة كان هدفنا إستعادة موسيقى
09:35
from just silent video
159
563981
2299
تدور على الحاسبة من فيديو صامت
09:38
of these two little plastic earphones,
160
566280
2507
ومن سماعتي الأذن البلاستيكية الصغيرة هذه
09:40
and we were able to do this so well
161
568787
2183
تمكنا من القيام بهذا جيدا
09:42
that I could even Shazam our results.
162
570970
2461
بحيث كان يمكن أن أنشر النتائج
09:45
(Laughter)
163
573431
2411
(ضحك)
09:49
(Music: "Under Pressure" by Queen)
164
577191
10034
(موسيقى)
10:01
(Applause)
165
589615
4969
(تصفيق)
كما إننا نستطيع دفع الأمور والتوسع
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
بإستبدال أجهزتنا التي نستعملها
10:11
Because the experiments
I've shown you so far
I've shown you so far
167
599135
2461
لأن التجارب التي قمنا بها لحد الآن
10:13
were done with a camera,
a high-speed camera,
a high-speed camera,
168
601596
2322
تمت بكاميرا ذات سرعة عالية
10:15
that can record video
about a 100 times faster
about a 100 times faster
169
603918
2879
تستطيع تصوير وتسجيل الفيديو 100 مرة اسرع
10:18
than most cell phones,
170
606797
1927
من أكثر الهواتف الخلوية
10:20
but we've also found a way
to use this technique
to use this technique
171
608724
2809
ولكننا وجدنا ايضا طريقة
10:23
with more regular cameras,
172
611533
2230
لإستخدام هذه التقنية بكاميرات عادية أكثر
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
و بذلك بالإستفادة مما يسمى المغلاق الدوار
تعرفون إن معظم الكاميرات تسجل الصور
10:29
You see, most cameras
record images one row at a time,
record images one row at a time,
174
617832
4798
بصف واحد كل مرة
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
لهذا إذا تحرك الشيء خلال تسجيل صورة واحدة
10:40
there's a slight time delay
between each row,
between each row,
176
628344
2717
سيكون هناك تأخير طفيف بين كل صف
10:43
and this causes slight artifacts
177
631061
3157
ويسبب هذا حركة طفيفة
10:46
that get coded into each frame of a video.
178
634218
3483
تتحول إلى رمز في كل إطار من ذلك الفيديو
10:49
And so what we found
is that by analyzing these artifacts,
is that by analyzing these artifacts,
179
637701
3806
ووجدنا إننا بتحليل هذه الحركات الطفيفة
10:53
we can actually recover sound
using a modified version of our algorithm.
using a modified version of our algorithm.
180
641507
4615
سنتمكن فعلا من إستعادة الصوت
بإستخدام نسخة مطورة من الخوارزمية
10:58
So here's an experiment we did
181
646122
1912
وإليكم التجربة التي قمنا بها
11:00
where we filmed a bag of candy
182
648034
1695
حيث صورنا كيسا من الحلويات
11:01
while a nearby loudspeaker played
183
649729
1741
بينما كان مكبر صوت قريب يعمل
11:03
the same "Mary Had a Little Lamb"
music from before,
music from before,
184
651470
2972
ونفس أغنية الأطفال السابقة
11:06
but this time, we used just a regular
store-bought camera,
store-bought camera,
185
654442
4203
ولكننا هذه المرة إستخدمنا كاميرا عادية
إشتريناها من مخزن
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
وهكذا سأعرض عليكم خلال ثواني
الصوت الذي إستعدناه
11:13
and it's going to sound
distorted this time,
distorted this time,
187
661819
2050
لكنه سيبدو مشوها هذه المرة
11:15
but listen and see if you can still
recognize the music.
recognize the music.
188
663869
2836
ولكن إسمعوا وإعرفوا إذا كان بإمكانكم
تمييز هذه الموسيقى
11:19
(Audio: "Mary Had a Little Lamb")
189
667723
6223
11:37
And so, again, that sounds distorted,
190
685527
3465
وهكذا من جديد يبدو الصوت مشوها
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
ولكن العجيب هنا إننا إستطعنا القيام بذلك
11:45
with something
that you could literally run out
that you could literally run out
192
693378
2626
بشيء كان يمكن أن نفقده
11:48
and pick up at a Best Buy.
193
696004
1444
ونشتري آخر منه من اي محزن
11:51
So at this point,
194
699122
1363
هذه هي النقطة
11:52
a lot of people see this work,
195
700485
1974
الكثير من الناس يشاهدون هذا العمل
11:54
and they immediately think
about surveillance.
about surveillance.
196
702459
3413
ويفكرون بالمراقبة
11:57
And to be fair,
197
705872
2415
ولنكن منصفين
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
ليس من الصعب أن تتخيل استخدام هذه التقنية
للتجسس على شخص ما
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
ولكن يجب أن تعرف بأن هناك تقنيات أكثر نضجا
12:08
out there for surveillance.
200
716367
1579
تستخدم حاليا للمراقبة
12:09
In fact, people have been using lasers
201
717946
2090
في الواقع إن الناس بدأت بإستخدام الليزر
12:12
to eavesdrop on objects
from a distance for decades.
from a distance for decades.
202
720036
2799
للتنصت على الناس من مسافات بعيدة قبل عقود
ولكن الجديد هنا فعلا
12:15
But what's really new here,
203
723978
2025
12:18
what's really different,
204
726003
1440
والمختلف هنا فعلا
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
إن لدينا الآن طريقة لتصوير ذبذبات شيء ما
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
مما يعطينا عدسات جديدة ننظر خلالها للعالم
12:27
and we can use that lens
207
735151
1510
ونستطيع غستخدام هذه العدسات
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
لنتعلم ليس فقط عن القوى
التي تجعل الشياء تتذبذب مثل الصوت
12:33
but also about the object itself.
209
741560
2288
ولكن عن الشيء نفسه
لذا أريد أن اعود خطوة إلى الوراء
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
والتفكير في كيف إننا قد نغير
أساليب إستخدامنا للفيديو
12:42
because we usually use video
to look at things,
to look at things,
212
750917
3553
لأننا عادة نستخدم الفيديو لننظر الى الأشياء
12:46
and I've just shown you how we can use it
213
754470
2322
بينما عرضت عليكم كيف يمكن إستخدامها
12:48
to listen to things.
214
756792
1857
للأستماع إلى الاشياء
12:50
But there's another important way
that we learn about the world:
that we learn about the world:
215
758649
3971
ولكن هناك طريقة أخرى مهمة
يمكن معرفة العالم بها
12:54
that's by interacting with it.
216
762620
2275
وذلك بالتفاعل معه
12:56
We push and pull and poke and prod things.
217
764895
3111
نحن ندفع ونسحب ونلكز ونحث الشياء
13:00
We shake things and see what happens.
218
768006
3181
نحن نهز الأشياء و نرى ما يحدث
13:03
And that's something that video
still won't let us do,
still won't let us do,
219
771187
4273
وهذه أشياء لا يسمح لنا الفيديو القيام بها
على الأقل ليس تقليديا
13:07
at least not traditionally.
220
775460
2136
13:09
So I want to show you some new work,
221
777596
1950
اذلك أريد أن أعرض عليكم عملا جديدا
13:11
and this is based on an idea I had
just a few months ago,
just a few months ago,
222
779546
2667
وأساسها فكرة جاءتني قبل بضعة شهور
وهذه فعلا أول مرة أريها لمشاهدين عامة
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
والفكرة الاساسية هي إننا
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
سنستخدم الذبذبات في فيديو
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
لتصوير أشياء بطريقة تجعلنا نتفاعل معها
13:27
and see how they react to us.
226
795358
1974
ولنرى كيف تتفاعل معنا
13:31
So here's an object,
227
799120
1764
هاكم أحد المواضيع أو الأجسام
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
و هو جسم من الأسلاك على شكل إنسان
13:36
and we're going to film that object
with just a regular camera.
with just a regular camera.
229
804716
3088
وسنصور هذا الجسم بكاميرا عادية
13:39
So there's nothing special
about this camera.
about this camera.
230
807804
2124
ولا يوجد شيء خاص بهذه الكاميرا
13:41
In fact, I've actually done this
with my cell phone before.
with my cell phone before.
231
809928
2961
وفي الواقع قمت بذلك سابقا بهاتفي الخلوي
13:44
But we do want to see the object vibrate,
232
812889
2252
ولكننا نريد أن نرى الجسم يتذبذب
13:47
so to make that happen,
233
815141
1133
ولنجعل ذلك يحدث
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
سنقرع قليلا على السطح الذي يستقر عليه
13:51
while we record this video.
235
819620
2138
بينما نسجل هذا الفيديو
13:59
So that's it: just five seconds
of regular video,
of regular video,
236
827398
3671
وهذا كل شيء فقط خمس ثواني من فيديو إعتيادي
14:03
while we bang on this surface,
237
831069
2136
بينما نحن نقرع على السطح
14:05
and we're going to use
the vibrations in that video
the vibrations in that video
238
833205
3513
وسنستخدم الذبذبة في ذلك الفيديو
14:08
to learn about the structural
and material properties of our object,
and material properties of our object,
239
836718
4544
لنعرف عن خواص هيكلية ومواد ذلك الجسم
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
و بتلك الخواص نصنع شيئا جديدا وتفاعليا
14:24
And so here's what we've created.
241
852866
2653
وهكذا إليكم ما صنعناه
14:27
And it looks like a regular image,
242
855519
2229
ويبدو مثل اي صورة عادية
14:29
but this isn't an image,
and it's not a video,
and it's not a video,
243
857748
3111
ولكن هذه ليست صورة كما إنها ليست فيديو
14:32
because now I can take my mouse
244
860859
2368
لأنني استطيع إستخدام فارة الحاسبة
14:35
and I can start interacting
with the object.
with the object.
245
863227
2859
والتفاعل مع هذا الشيء
14:44
And so what you see here
246
872936
2357
لذلك فإن ما ترونه هنا
هو محاكاة لكيفية لستجابة
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
هذا الجسم لقوى جديدة لم يشاهدها قبلا
14:54
and we created it from just
five seconds of regular video.
five seconds of regular video.
249
882073
3633
وهذا ما صنعناه من خمس ثواني فيديو عادي فقط
(تصفيق)
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
وبالفعل فهذه طريقة فعالة
ننظر بها الى العالم
15:12
because it lets us predict
how objects will respond
how objects will respond
252
900648
2972
لأنها تسمح لكم بالتنبؤ برد فعل الأجسام
15:15
to new situations,
253
903620
1823
للأوضاع الجديدة
15:17
and you could imagine, for instance,
looking at an old bridge
looking at an old bridge
254
905443
3473
فيمكن لك أن تتصور مثلا النظر الى جسر قديم
15:20
and wondering what would happen,
how would that bridge hold up
how would that bridge hold up
255
908916
3527
وأن تتخيل ماذا سيحدث وكم سيتحمل ذلك الجسر
15:24
if I were to drive my car across it.
256
912443
2833
إذا أردت قيادة سيارتي عبره
15:27
And that's a question
that you probably want to answer
that you probably want to answer
257
915276
2774
وهذا سؤال قد تريد الإجابة عليه
15:30
before you start driving
across that bridge.
across that bridge.
258
918050
2560
قبل القيادة عبر هذا الجسر
15:33
And of course, there are going to be
limitations to this technique,
limitations to this technique,
259
921988
3272
وبالطبع سيكون ناك تحديدات لهذه التقنية
15:37
just like there were
with the visual microphone,
with the visual microphone,
260
925260
2462
كما كانت للميكرفون البصري
15:39
but we found that it works
in a lot of situations
in a lot of situations
261
927722
3181
لكننا وجدنا إنها تعمل في الكثير من الحالات
15:42
that you might not expect,
262
930903
1875
التي قد لا تتوقعها
15:44
especially if you give it longer videos.
263
932778
2768
خاصة اذا اعطيتها فيديوات أطول
15:47
So for example,
here's a video that I captured
here's a video that I captured
264
935546
2508
مثلا هذا فيديو أنا صورته
15:50
of a bush outside of my apartment,
265
938054
2299
لشجيرات خارج شقتي
15:52
and I didn't do anything to this bush,
266
940353
3088
ولم افعل شيئا لهذه ااشجيرات
15:55
but by capturing a minute-long video,
267
943441
2705
لكن عند إلتقاطي الفيديو ذو الدقيقة الواحدة
15:58
a gentle breeze caused enough vibrations
268
946146
3378
سبب بعض النسيم ذبذبة كافية
16:01
that we could learn enough about this bush
to create this simulation.
to create this simulation.
269
949524
3587
مما أمكننا من التعرف كفاية
على هذه الشجيرات لصنع هذه المحاكاة
(تصفيق)
16:07
(Applause)
270
955270
6142
16:13
And so you could imagine giving this
to a film director,
to a film director,
271
961412
2972
وتخيل لو أعطيت هذا الفلم لمخرج سينمائي
16:16
and letting him control, say,
272
964384
1719
وتركت له أن يتحكم مثلا
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
بقوة وإتجاه الريح في لقطة ما بعد تصويرها
16:24
Or, in this case, we pointed our camera
at a hanging curtain,
at a hanging curtain,
274
972810
4535
حسنا .. في هذه الحالة
وجهنا كاميرتنا إلى ستارة معلقة
16:29
and you can't even see
any motion in this video,
any motion in this video,
275
977345
4129
ولا تستطيع أن ترى اي حركة في هذا الفيديو
ولكن بتصوير فيديو بطول دقيقتين
16:33
but by recording a two-minute-long video,
276
981474
2925
16:36
natural air currents in this room
277
984399
2438
فإن التيارات الهوائية العادية في الغرفة
ولدت الكافي من الحركات الدقيقة
16:38
created enough subtle,
imperceptible motions and vibrations
imperceptible motions and vibrations
278
986837
4412
والتي لا يمكن ملاحظتها ومن الذبذبات
16:43
that we could learn enough
to create this simulation.
to create this simulation.
279
991249
2565
وهكذا سنعرف ما يكفي لتوليد هذه المحاكاة
16:48
And ironically,
280
996243
2366
وللسخرية
16:50
we're kind of used to having
this kind of interactivity
this kind of interactivity
281
998609
3088
لقد تعودنا على هذا النوع من التفاعلية
16:53
when it comes to virtual objects,
282
1001697
2647
عندما عملنا بالأجسام الأفتراضية
16:56
when it comes to video games
and 3D models,
and 3D models,
283
1004344
3297
وعندما حركنا الألعاب الفيديوية أوالمجسمات
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
ولكن للحصول على هذه المعلومات
لأجسام حقيقية في العالم الحقيقي
17:04
using just simple, regular video,
285
1012045
2817
باستخدام كاميرا عادية بسيطة
17:06
is something new that has
a lot of potential.
a lot of potential.
286
1014862
2183
فهو شيء جديد له الكثير من الأمكانيات
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
وها هم الاشخاص الرائعون
الذين عملوا معي على هذه المواضيع
17:16
(Applause)
288
1024057
5596
(تصفيق)
وما عرضته عليكم اليوم هو البداية فقط
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
لقد بدأنا الآن بخدش السطح فقط
17:29
of what you can do
with this kind of imaging,
with this kind of imaging,
291
1037989
2972
لما يمكن أن نقوم به بمثل هذا التصوير
17:32
because it gives us a new way
292
1040961
2286
لأنه يعطينا طريقا جديدا
لألتقاط محيطنا بواسطة تقنيات عامة و متوفرة
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
وعندما ننظر غلى المستقبل
17:41
it's going to be
really exciting to explore
really exciting to explore
295
1049995
2037
سيكون من الممتع إستكشاف
ما يمكن أن يخبرنا هذا عن العالم
17:44
what this can tell us about the world.
296
1052032
1856
شكرا لكم
17:46
Thank you.
297
1054381
1204
17:47
(Applause)
298
1055610
6107
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