TED2007
Blaise Agüera y Arcas: How PhotoSynth can connect the world's images
ブレイス・アグエラ・ヤルカス Photosynthを実演説明
Filmed:
Readability: 4.3
5,831,957 views
ブレイス・アグエラ・ヤルカスが Photosynth の実演をします。 デジタル画像への見方を変えてしまうかもしれないソフトウェアです。 Photosynth はウェブから取り出した画像を使って息を飲む夢のような風景を構築し、 それをナビゲートさせてくれます。
Blaise Agüera y Arcas - Software architect
Blaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces. Full bio
Blaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces. Full bio
Double-click the English transcript below to play the video.
00:25
What I'm going to show you first, as quickly as I can,
0
0
2000
最初に手早く基盤技術をお見せします
00:27
is some foundational work, some new technology
1
2000
4000
ちょうど１年前に買収の一部として
00:31
that we brought to Microsoft as part of an acquisition
2
6000
3000
Microsoft社にもっていった新テクノロジーです。
00:34
almost exactly a year ago. This is Seadragon,
3
9000
3000
これはSeadragonで
00:37
and it's an environment in which you can either locally or remotely
4
12000
3000
ローカルあるいはリモートにある膨大な量の
00:40
interact with vast amounts of visual data.
5
15000
3000
ビジュアルデータを操作可能にする環境です。
00:43
We're looking at many, many gigabytes of digital photos here
6
18000
3000
ご覧のように、 何ギガバイトものデジタル写真を
00:46
and kind of seamlessly and continuously zooming in,
7
21000
3000
スムーズに連続的に ズームインしたり パンしたり
00:50
panning through the thing, rearranging it in any way we want.
8
25000
2000
自由にアレンジし直したりできます。
00:52
And it doesn't matter how much information we're looking at,
9
27000
4000
見ている情報の多さ、コレクションの規模
00:56
how big these collections are or how big the images are.
10
31000
3000
画像の大きさなどは問題ではありません。
00:59
Most of them are ordinary digital camera photos,
11
34000
2000
ほとんどはデジカメで撮った写真ですが
01:01
but this one, for example, is a scan from the Library of Congress,
12
36000
3000
これは、米国議会図書館からスキャンしたもので
01:05
and it's in the 300 megapixel range.
13
40000
2000
300メガピクセルほどあります。
01:08
It doesn't make any difference
14
43000
1000
でも何の違いもありません。
01:09
because the only thing that ought to limit the performance
15
44000
3000
なぜなら、 このシステムのパフォーマンスを制限するものは
01:12
of a system like this one is the number of pixels on your screen
16
47000
3000
画面表示のピクセル数だけだからです。
01:15
at any given moment. It's also very flexible architecture.
17
50000
3000
また 大変柔軟なアーキテクチャになっています
01:18
This is an entire book, so this is an example of non-image data.
18
53000
3000
これはまるまる１冊の本です。 画像ではないデータの１例です。
01:22
This is "Bleak House" by Dickens. Every column is a chapter.
19
57000
5000
ディケンズの“荒涼館”です。 各段が章です。
01:27
To prove to you that it's really text, and not an image,
20
62000
4000
これは本当にテキストであり、 画像ではありません。
01:31
we can do something like so, to really show
21
66000
2000
テキストだという証拠に
01:33
that this is a real representation of the text; it's not a picture.
22
68000
3000
こんな事ができます。画像ではありません。
01:37
Maybe this is a kind of an artificial way to read an e-book.
23
72000
2000
e-ブックを読む手段にも なるかもしれませんが
01:39
I wouldn't recommend it.
24
74000
1000
お奨めはしません。
01:40
This is a more realistic case. This is an issue of The Guardian.
25
75000
3000
これはもっと実用的な例で、ガーディアン紙 １部分のデータです。
01:43
Every large image is the beginning of a section.
26
78000
2000
大きい写真は皆、 項目の始めです。
01:45
And this really gives you the joy and the good experience
27
80000
3000
本物の印刷版の雑誌や新聞を読む
01:48
of reading the real paper version of a magazine or a newspaper,
28
83000
5000
楽しい経験を与えてくれます。 新聞や雑誌というのは 本質的に多重スケールの
01:54
which is an inherently multi-scale kind of medium.
29
89000
1000
メディアなのです。
01:56
We've also done a little something
30
91000
1000
この紙面の隅に
01:57
with the corner of this particular issue of The Guardian.
31
92000
3000
ちょっとした仕掛けをしました。
02:00
We've made up a fake ad that's very high resolution --
32
95000
3000
大変高い解像度のニセモノの広告をでっちあげました。
02:03
much higher than you'd be able to get in an ordinary ad --
33
98000
2000
普通の広告より、ずっと高い解像度です。
02:05
and we've embedded extra content.
34
100000
2000
追加のコンテンツも足しました。
02:07
If you want to see the features of this car, you can see it here.
35
102000
2000
車の特徴をここで ご覧いただけます。
02:10
Or other models, or even technical specifications.
36
105000
4000
ほかのモデル、 あるいは技術仕様まであります。
02:15
And this really gets at some of these ideas
37
110000
2000
こういったアイデアによって
02:18
about really doing away with those limits on screen real estate.
38
113000
4000
画面サイズという制限をなくせます。
02:22
We hope that this means no more pop-ups
39
117000
2000
これによりポップアップなど
02:24
and other kind of rubbish like that -- shouldn't be necessary.
40
119000
2000
不必要なガラクタをなくせればと願っています。
02:27
Of course, mapping is one of those really obvious applications
41
122000
2000
もちろん地図にも このテクノロジーは
02:29
for a technology like this.
42
124000
2000
応用できます。
02:31
And this one I really won't spend any time on,
43
126000
2000
今回は 時間を取れませんが
02:33
except to say that we have things to contribute to this field as well.
44
128000
2000
この領域にも使えるとだけ言っておきます。
02:37
But those are all the roads in the U.S.
45
132000
2000
これは NASAの衛星画像の上に
02:39
superimposed on top of a NASA geospatial image.
46
134000
4000
米国のすべての道路を重ね合わせたものです。
02:44
So let's pull up, now, something else.
47
139000
2000
ほかのものを見てみましょう。
02:46
This is actually live on the Web now; you can go check it out.
48
141000
3000
これは現在ウェブで見られるので、確認してください。
02:49
This is a project called Photosynth,
49
144000
1000
Photosynthといって
02:51
which really marries two different technologies.
50
146000
1000
２つの技術からなります
02:52
One of them is Seadragon
51
147000
1000
ひとつは、Seadragon
02:54
and the other is some very beautiful computer vision research
52
149000
2000
もうひとつは
02:57
done by Noah Snavely, a graduate student at the University of Washington,
53
152000
2000
ワシントン大学の大学院生 ノア スネーヴェリが
03:00
co-advised by Steve Seitz at U.W.
54
155000
2000
同大学の スティーブ サイツと
03:02
and Rick Szeliski at Microsoft Research. A very nice collaboration.
55
157000
4000
Microsoft Researchのリック セリスキーの指導の下で行った コンピューター ビジョンの研究です。
03:07
And so this is live on the Web. It's powered by Seadragon.
56
162000
2000
ウェブで公開され、Seadragonを使っています。
03:09
You can see that when we kind of do these sorts of views,
57
164000
2000
画像の中に飛び込んで、このような
03:12
where we can dive through images
58
167000
1000
見方もできますし
03:14
and have this kind of multi-resolution experience.
59
169000
1000
多重のスケールも体験できます
03:16
But the spatial arrangement of the images here is actually meaningful.
60
171000
4000
この画像の空間的配置には意味があります。
03:20
The computer vision algorithms have registered these images together
61
175000
3000
このコンピューター ビジョン アルゴリズムは、このような画像を
03:23
so that they correspond to the real space in which these shots --
62
178000
4000
撮影された実際の場所に対応させて登録します。
03:27
all taken near Grassi Lakes in the Canadian Rockies --
63
182000
2000
全てカナディアンロッキーのグラッシーレイクで
03:31
all these shots were taken. So you see elements here
64
186000
2000
撮影されており、 連続したスライドショーや
03:33
of stabilized slide-show or panoramic imaging,
65
188000
4000
パノラマ風のイメージの要素を見ると
03:40
and these things have all been related spatially.
66
195000
2000
全てが空間的に関連づけられています。
03:42
I'm not sure if I have time to show you any other environments.
67
197000
3000
別の場所も見ている時間はなさそうですが もっと空間を感じさせる
03:45
There are some that are much more spatial.
68
200000
1000
例もあります。
03:47
I would like to jump straight to one of Noah's original data-sets --
69
202000
3000
ノア氏のオリジナルのデータセットのひとつに進みましょう。
03:50
and this is from an early prototype of Photosynth
70
205000
2000
これはその夏に作業を始めた
03:52
that we first got working in the summer --
71
207000
2000
Photosynthの初期プロトのデータで
03:54
to show you what I think
72
209000
1000
Photosynthのテクノロジーの
03:55
is really the punch line behind this technology,
73
210000
3000
本質がこれでわかると思います。
03:59
the Photosynth technology. And it's not necessarily so apparent
74
214000
2000
ウェブサイトに載せた環境を見るだけでは
04:01
from looking at the environments that we've put up on the website.
75
216000
3000
あまり良く わからないかもしれません。
04:04
We had to worry about the lawyers and so on.
76
219000
2000
法的な制約があるものですから。
04:07
This is a reconstruction of Notre Dame Cathedral
77
222000
1000
Flickr画像から
04:09
that was done entirely computationally
78
224000
2000
ノートルダム寺院をコンピューターで再現しました。
04:11
from images scraped from Flickr. You just type Notre Dame into Flickr,
79
226000
3000
Flickrで"Notre Dame"とタイプすると
04:14
and you get some pictures of guys in t-shirts, and of the campus
80
229000
3000
Tシャツを着た人たちや キャンパスの画像などが出てきます。
04:17
and so on. And each of these orange cones represents an image
81
232000
4000
小さなオレンジの円錐は、それぞれこのモデルに適合することが
04:22
that was discovered to belong to this model.
82
237000
2000
見出された画像を示しています。
04:26
And so these are all Flickr images,
83
241000
2000
全てFlickrの画像です。
04:28
and they've all been related spatially in this way.
84
243000
3000
このように皆、空間的に関連づけられています。
04:31
And we can just navigate in this very simple way.
85
246000
2000
簡単にナビゲートしていけます。
04:35
(Applause)
86
250000
9000
（拍手）
04:44
You know, I never thought that I'd end up working at Microsoft.
87
259000
2000
私もMicrosoftで仕事するなんて
04:46
It's very gratifying to have this kind of reception here.
88
261000
4000
思ってもいませんでした。 こんなに好評だなんて驚いています。
04:50
(Laughter)
89
265000
3000
（笑）
04:53
I guess you can see
90
268000
3000
ご推察のとおり
04:56
this is lots of different types of cameras:
91
271000
2000
いろいろなタイプのカメラがあります。
04:58
it's everything from cell phone cameras to professional SLRs,
92
273000
3000
携帯電話のカメラから プロ用の一眼レフまでの
05:02
quite a large number of them, stitched
93
277000
1000
多数の写真を
05:03
together in this environment.
94
278000
1000
この環境でつなぎ合わせています。
05:04
And if I can, I'll find some of the sort of weird ones.
95
279000
2000
変わりダネを探してみましょう。
05:08
So many of them are occluded by faces, and so on.
96
283000
3000
顔が写ったものもたくさんあります。
05:13
Somewhere in here there are actually
97
288000
1000
確かこの辺の
05:15
a series of photographs -- here we go.
98
290000
1000
写真の中に…ありました
05:17
This is actually a poster of Notre Dame that registered correctly.
99
292000
3000
ノートルダムのポスターです。 こんなのでも認識できました。
05:21
We can dive in from the poster
100
296000
2000
このポスターから
05:24
to a physical view of this environment.
101
299000
3000
この環境に飛び込むことができます。
05:31
What the point here really is is that we can do things
102
306000
3000
これは社会的環境だという点が重要です。
05:34
with the social environment. This is now taking data from everybody --
103
309000
5000
データをあらゆる人から得ています。
05:39
from the entire collective memory
104
314000
1000
地球の姿への
05:40
of, visually, of what the Earth looks like --
105
315000
2000
集合的記憶全体からデータを取り
05:43
and link all of that together.
106
318000
1000
全てをリンクします。
05:44
All of those photos become linked together,
107
319000
2000
全ての写真がリンクされることで
05:46
and they make something emergent
108
321000
1000
新たなものが現れます
05:47
that's greater than the sum of the parts.
109
322000
2000
部分の集まりよりも 価値のあるものです。
05:49
You have a model that emerges of the entire Earth.
110
324000
2000
地球全体から立ち現れるモデルを手にしています。
05:51
Think of this as the long tail to Stephen Lawler's Virtual Earth work.
111
326000
5000
スティーブン ローラーの “バーチャルアース”の続きのようなものです。
05:56
And this is something that grows in complexity
112
331000
2000
人々が利用するにつれ複雑に成長します。
05:58
as people use it, and whose benefits become greater
113
333000
3000
ユーザーが利用するにつれ利点が
06:01
to the users as they use it.
114
336000
2000
大きくなります。
06:03
Their own photos are getting tagged with meta-data
115
338000
2000
ユーザー自身の写真に他の人が入力した
06:05
that somebody else entered.
116
340000
1000
メタデータが埋め込まれます。
06:07
If somebody bothered to tag all of these saints
117
342000
3000
誰かが聖人達のデータを埋めこんでおけば
06:10
and say who they all are, then my photo of Notre Dame Cathedral
118
345000
3000
私のノートルダム寺院の写真が
06:13
suddenly gets enriched with all of that data,
119
348000
2000
そのデータにより、 更に豊かなものになります。
06:15
and I can use it as an entry point to dive into that space,
120
350000
3000
そこを入り口にして この空間に飛び込み
06:18
into that meta-verse, using everybody else's photos,
121
353000
2000
みんなの写真が作る仮想空間の中で
06:21
and do a kind of a cross-modal
122
356000
2000
様式やユーザーの垣根を超えた
06:25
and cross-user social experience that way.
123
360000
3000
社会的体験ができます。
06:28
And of course, a by-product of all of that
124
363000
1000
副産物は、もちろん
06:30
is immensely rich virtual models
125
365000
2000
地球の興味深い場所全ての
06:32
of every interesting part of the Earth, collected
126
367000
2000
きわめて豊かなバーチャルモデルです。
06:35
not just from overhead flights and from satellite images
127
370000
3000
航空写真や、 衛星画像を集めただけのものではなく
06:38
and so on, but from the collective memory.
128
373000
2000
集合的記憶を集めたものなのです。
06:40
Thank you so much.
129
375000
2000
ありがとうございました。
06:42
(Applause)
130
377000
11000
（拍手）
06:53
Chris Anderson: Do I understand this right? That what your software is going to allow,
131
388000
4000
僕の理解は正しいですか？ あなたのソフトウェアで、
06:58
is that at some point, really within the next few years,
132
393000
2000
ここ２～３年のうちに
07:01
all the pictures that are shared by anyone across the world
133
396000
4000
世界中の誰でも全ての写真を共有し
07:05
are going to basically link together?
134
400000
2000
リンクできるようになるのですか？
07:07
BAA: Yes. What this is really doing is discovering.
135
402000
2000
ええ、 やろうとしているのは実は発見です。
07:09
It's creating hyperlinks, if you will, between images.
136
404000
3000
画像間にハイパーリンクを作成しています。
07:12
And it's doing that
137
407000
1000
画像の内容を元に
07:13
based on the content inside the images.
138
408000
1000
それを行います。
07:14
And that gets really exciting when you think about the richness
139
409000
3000
多くの写真が持っている意味的情報の豊かさを考えれば、
07:17
of the semantic information that a lot of those images have.
140
412000
2000
これはとても すごい事です。
07:19
Like when you do a web search for images,
141
414000
2000
たとえば画像のウェブ検索を行う時、
07:22
you type in phrases, and the text on the web page
142
417000
2000
言葉を入力しますよね。 ウェブ上のテキストは
07:24
is carrying a lot of information about what that picture is of.
143
419000
3000
その画像が何であるかについて多くの情報を持っています。
07:27
Now, what if that picture links to all of your pictures?
144
422000
2000
では写真がすべてリンクし合うようになったら？
07:29
Then the amount of semantic interconnection
145
424000
2000
意味の相互のつながりと、 そこから出てくる
07:31
and the amount of richness that comes out of that
146
426000
1000
豊かさは実に大きい。
07:32
is really huge. It's a classic network effect.
147
427000
3000
典型的なネットワーク効果が現れます。
07:35
CA: Blaise, that is truly incredible. Congratulations.
148
430000
2000
ブレイスさん、 実にすばらしい。 やりましたね。
07:37
BAA: Thanks so much.
149
432000
1000
ありがとうございます。
Reviewed by Yasushi Aoki
ABOUT THE SPEAKER
Blaise Agüera y Arcas - Software architectBlaise Agüera y Arcas works on machine learning at Google. Previously a Distinguished Engineer at Microsoft, he has worked on augmented reality, mapping, wearable computing and natural user interfaces.
Why you should listen
Blaise Agüera y Arcas is principal scientist at Google, where he leads a team working on machine intelligence for mobile devices. His group works extensively with deep neural nets for machine perception and distributed learning, and it also investigates so-called "connectomics" research, assessing maps of connections within the brain.
Agüera y Arcas' background is as multidimensional as the visions he helps create. In the 1990s, he authored patents on both video compression and 3D visualization techniques, and in 2001, he made an influential computational discovery that cast doubt on Gutenberg's role as the father of movable type.
He also created Seadragon (acquired by Microsoft in 2006), the visualization technology that gives Photosynth its amazingly smooth digital rendering and zoom capabilities. Photosynth itself is a vastly powerful piece of software capable of taking a wide variety of images, analyzing them for similarities, and grafting them together into an interactive three-dimensional space. This seamless patchwork of images can be viewed via multiple angles and magnifications, allowing us to look around corners or “fly” in for a (much) closer look. Simply put, it could utterly transform the way we experience digital images.
He joined Microsoft when Seadragon was acquired by Live Labs in 2006. Shortly after the acquisition of Seadragon, Agüera y Arcas directed his team in a collaboration with Microsoft Research and the University of Washington, leading to the first public previews of Photosynth several months later. His TED Talk on Seadragon and Photosynth in 2007 is rated one of TED's "most jaw-dropping." He returned to TED in 2010 to demo Bing’s augmented reality maps.
Fun fact: According to the author, Agüera y Arcas is the inspiration for the character Elgin in the 2012 best-selling novel Where'd You Go, Bernadette?
Blaise Agüera y Arcas | Speaker | TED.com