TED2007
Blaise Agüera y Arcas: How PhotoSynth can connect the world's images
Blaise Aguera y Arcas prezentuje Photosynth
Filmed:
Readability: 4.3
5,831,957 views
Blaise Aguera y Arcas prezentuje fantastyczny nowy program, Photosynth, który może zmienić sposób, w jaki korzystamy z obrazów cyfrowych. Photosynth buduje ze zdjęć znalezionych w sieci krajobrazy marzeń i pozwala nam je przemierzać.
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
Co Wam tu pokażę, tak szybko jak można,
00:27
is some foundational work, some new technology
1
2000
4000
to praca podstawowa, nowa technologia,
00:31
that we brought to Microsoft as part of an acquisition
2
6000
3000
którą wnieśliśmy do Microsoftu jako część nabycia
00:34
almost exactly a year ago. This is Seadragon,
3
9000
3000
dokładnie rok temu. To jest Seadragon.
00:37
and it's an environment in which you can either locally or remotely
4
12000
3000
Jest to środowisko, w którym można lokalnie lub zdalnie
00:40
interact with vast amounts of visual data.
5
15000
3000
komunikować się z wielką ilością danych wizualnych.
00:43
We're looking at many, many gigabytes of digital photos here
6
18000
3000
Patrzymy na wiele, wiele gigabajtów fotografii cyfrowych
00:46
and kind of seamlessly and continuously zooming in,
7
21000
3000
bezproblemowo i stale pokazywanych,
00:50
panning through the thing, rearranging it in any way we want.
8
25000
2000
przesuwanych po elementach, ustawiając je jak tylko chcemy.
00:52
And it doesn't matter how much information we're looking at,
9
27000
4000
Nie ma znaczenia na ile informacji patrzymy,
00:56
how big these collections are or how big the images are.
10
31000
3000
jak duże są to kolekcje lub jak wielkie obrazy.
00:59
Most of them are ordinary digital camera photos,
11
34000
2000
Większość z nich to zwykłe zdjęcia cyfrowe,
01:01
but this one, for example, is a scan from the Library of Congress,
12
36000
3000
ale ten, na przykład, jest obrazem z Biblioteki Kongresu
01:05
and it's in the 300 megapixel range.
13
40000
2000
i jest w zakresie 300 megapikseli.
01:08
It doesn't make any difference
14
43000
1000
Nie ma to znaczenia,
01:09
because the only thing that ought to limit the performance
15
44000
3000
ponieważ jedyną rzeczą, która powinna ograniczyć wydajność
01:12
of a system like this one is the number of pixels on your screen
16
47000
3000
systemu takiego jak ten, jest liczba pikseli na Waszym ekranie
01:15
at any given moment. It's also very flexible architecture.
17
50000
3000
w każdej chwili. Jest to także elastyczna architektura.
01:18
This is an entire book, so this is an example of non-image data.
18
53000
3000
Jest to cała książka, przykład danych bez obrazów.
01:22
This is "Bleak House" by Dickens. Every column is a chapter.
19
57000
5000
To jest Samotnia Dickensa. Każda kolumna to oddzielny rozdział.
01:27
To prove to you that it's really text, and not an image,
20
62000
4000
Aby udowodnić, że to jest rzeczywiście tekst, a nie obraz,
01:31
we can do something like so, to really show
21
66000
2000
możemy zrobić coś takiego, co rzeczywiście pokaże,
01:33
that this is a real representation of the text; it's not a picture.
22
68000
3000
że jest to prawdziwa prezentacja tekstu, że nie jest to obraz.
01:37
Maybe this is a kind of an artificial way to read an e-book.
23
72000
2000
Może jest to sztuczny sposób czytania książki elektronicznej.
01:39
I wouldn't recommend it.
24
74000
1000
Nie polecałbym.
01:40
This is a more realistic case. This is an issue of The Guardian.
25
75000
3000
Tu jest bardziej realistyczny przykład. To jest wydanie The Guardian.
01:43
Every large image is the beginning of a section.
26
78000
2000
Każdy duży obraz jest początkiem części.
01:45
And this really gives you the joy and the good experience
27
80000
3000
To naprawdę daje radość i dobre doświadczenie
01:48
of reading the real paper version of a magazine or a newspaper,
28
83000
5000
czytania prawdziwej wersji gazety lub magazynu,
01:54
which is an inherently multi-scale kind of medium.
29
89000
1000
który jest z natury wieloskalowym środkiem.
01:56
We've also done a little something
30
91000
1000
Zrobiliśmy także coś małego
01:57
with the corner of this particular issue of The Guardian.
31
92000
3000
w rogu tego wydania The Guardian.
02:00
We've made up a fake ad that's very high resolution --
32
95000
3000
Wprowadziliśmy sztuczną reklamę o bardzo dużej rozdzielczości -
02:03
much higher than you'd be able to get in an ordinary ad --
33
98000
2000
o wiele większej, niż moglibyście uzyskać w prawdziwej reklamie -
02:05
and we've embedded extra content.
34
100000
2000
wbudowaliśmy dodatkową treść.
02:07
If you want to see the features of this car, you can see it here.
35
102000
2000
Jeżeli chcecie zobaczyć cechy tego samochodu, możecie je tu zobaczyć.
02:10
Or other models, or even technical specifications.
36
105000
4000
Lub innych modeli, czy nawet specyfikacje techniczne.
02:15
And this really gets at some of these ideas
37
110000
2000
I to naprawdę pokazuje niektóre z tych pomysłów, w jaki
02:18
about really doing away with those limits on screen real estate.
38
113000
4000
sposób pozbyć się tych ograniczeń na ekranie nieruchomości.
02:22
We hope that this means no more pop-ups
39
117000
2000
Mamy nadzieję, że to oznacza iż nie będzie już więcej okienek wyskakujących
02:24
and other kind of rubbish like that -- shouldn't be necessary.
40
119000
2000
i innych śmieci tego rodzaju - nie powinnno być konieczne.
02:27
Of course, mapping is one of those really obvious applications
41
122000
2000
Oczywiście, mapowanie jest jedną z tych wyraźnych aplikacji
02:29
for a technology like this.
42
124000
2000
w takiej technologii.
02:31
And this one I really won't spend any time on,
43
126000
2000
Tej nie poświęcę żadnego czasu,
02:33
except to say that we have things to contribute to this field as well.
44
128000
2000
za wyjątkiem powiedzenia, że mamy rozwiązania również w tej dziedzinie.
02:37
But those are all the roads in the U.S.
45
132000
2000
A są to wszystkie drogi w USA
02:39
superimposed on top of a NASA geospatial image.
46
134000
4000
nałożone na geoprzestrzenny obraz NASA.
02:44
So let's pull up, now, something else.
47
139000
2000
Wyświetlmy więc teraz coś innego.
02:46
This is actually live on the Web now; you can go check it out.
48
141000
3000
To jest faktycznie pokazywane teraz na żywo w Sieci, możecie to sprawdzić.
02:49
This is a project called Photosynth,
49
144000
1000
To projekt nazywany Photosynth,
02:51
which really marries two different technologies.
50
146000
1000
który właściwie łączy dwie technologie.
02:52
One of them is Seadragon
51
147000
1000
Jedna z nich to Seadragon,
02:54
and the other is some very beautiful computer vision research
52
149000
2000
a druga to piękna wizja badania komputerowego
02:57
done by Noah Snavely, a graduate student at the University of Washington,
53
152000
2000
zrobiona przez Noah Snavely, studenta podyplomowego na Uniwersytecie Waszyngton,
03:00
co-advised by Steve Seitz at U.W.
54
155000
2000
pod doradztwem Steva Seutza z UW
03:02
and Rick Szeliski at Microsoft Research. A very nice collaboration.
55
157000
4000
i Ricka Szeliskiego z Centrum Microsoft. Piękna współpraca.
03:07
And so this is live on the Web. It's powered by Seadragon.
56
162000
2000
To jest na żywo w Sieci. Zasilane jest przez Seadragon.
03:09
You can see that when we kind of do these sorts of views,
57
164000
2000
Możecie zobaczyć, że gdy wprowadzamy tego rodzaju ujęcia,
03:12
where we can dive through images
58
167000
1000
gdzie możemy wskoczyć w obrazy
03:14
and have this kind of multi-resolution experience.
59
169000
1000
i mieć tego rodzaju wielorozdzielcze doświadczenie.
03:16
But the spatial arrangement of the images here is actually meaningful.
60
171000
4000
Ale tu organizacja przestrzenna obrazów ma właściwie znaczenie.
03:20
The computer vision algorithms have registered these images together
61
175000
3000
Algorytmy wizji komputerowej zarejestrowały te obrazy razem,
03:23
so that they correspond to the real space in which these shots --
62
178000
4000
więc zgadzają się z rzeczywistą przestrzenią, w której te zdjęcia -
03:27
all taken near Grassi Lakes in the Canadian Rockies --
63
182000
2000
wszystkie zrobione w pobliżu jezior Grassi w Kanadyjskich Górach Skalistych -
03:31
all these shots were taken. So you see elements here
64
186000
2000
były zrobione. Więc widzicie tu elementy
03:33
of stabilized slide-show or panoramic imaging,
65
188000
4000
ustabilizowanego pokazu slajdów lub obrazowania panoramicznego,
03:40
and these things have all been related spatially.
66
195000
2000
a te rzeczy wszystkie zostały odniesione przestrzennie.
03:42
I'm not sure if I have time to show you any other environments.
67
197000
3000
Nie jestem pewien czy mam czas pokazać Wam inne środowiska.
03:45
There are some that are much more spatial.
68
200000
1000
Są pewne, które pokazują więcej przestrzennie.
03:47
I would like to jump straight to one of Noah's original data-sets --
69
202000
3000
Chciałbym przeskoczyć prosto do jednego z oryginalnych zestawów danych Noah -
03:50
and this is from an early prototype of Photosynth
70
205000
2000
to pochodzi z wczesnego prototypu Photosynth,
03:52
that we first got working in the summer --
71
207000
2000
który pierwszy raz uruchomiliśmy w lecie -
03:54
to show you what I think
72
209000
1000
aby pokazać Wam, że to co myślę
03:55
is really the punch line behind this technology,
73
210000
3000
jest właściwie puentą tej technologii,
03:59
the Photosynth technology. And it's not necessarily so apparent
74
214000
2000
technologii Photosynth. Nie jest to tak bardzo wyraźne,
04:01
from looking at the environments that we've put up on the website.
75
216000
3000
gdy patrzymy na środowiska, które umieściliśmy tu, na stronie.
04:04
We had to worry about the lawyers and so on.
76
219000
2000
Musieliśmy się martwić prawnikami i innymi zagadnieniami.
04:07
This is a reconstruction of Notre Dame Cathedral
77
222000
1000
To jest rekonstrukcja Katedry Notre Dame,
04:09
that was done entirely computationally
78
224000
2000
która została zrobiona całkowicie komputerowo
04:11
from images scraped from Flickr. You just type Notre Dame into Flickr,
79
226000
3000
z obrazów zdjętych z Flickra. Wpisujemy Notre Dame na Flickra
04:14
and you get some pictures of guys in t-shirts, and of the campus
80
229000
3000
i mamy zdjęcia facetów w koszulkach, kampusu
04:17
and so on. And each of these orange cones represents an image
81
232000
4000
i tym podobne. A każdy z tych pomarańczowych stożków reprezentuje obraz,
04:22
that was discovered to belong to this model.
82
237000
2000
który został odnaleziony jako należący do tego modelu.
04:26
And so these are all Flickr images,
83
241000
2000
Więc są to wszystkie obrazy Flickra
04:28
and they've all been related spatially in this way.
84
243000
3000
i wszystkie zostały ustawione przestrzennie w ten sposób.
04:31
And we can just navigate in this very simple way.
85
246000
2000
Możemy po prostu nawigować w ten prosty sposób.
04:35
(Applause)
86
250000
9000
(Oklaski)
04:44
You know, I never thought that I'd end up working at Microsoft.
87
259000
2000
Wiecie, nigdy nie myślałem, że będę pracował w Microsofcie.
04:46
It's very gratifying to have this kind of reception here.
88
261000
4000
Bardzo radosne jest spotkać się z takim przyjęciem tu.
04:50
(Laughter)
89
265000
3000
(Śmiech)
04:53
I guess you can see
90
268000
3000
Myślę, że widzicie, że
04:56
this is lots of different types of cameras:
91
271000
2000
jest to wiele aparatów różnego rodzaju:
04:58
it's everything from cell phone cameras to professional SLRs,
92
273000
3000
od telefonów komórkowych do zawodowych SLR-ów,
05:02
quite a large number of them, stitched
93
277000
1000
całkiem duża ich liczba, powiązanych razem
05:03
together in this environment.
94
278000
1000
w tym środowisku.
05:04
And if I can, I'll find some of the sort of weird ones.
95
279000
2000
I jeśli mogę, znajdę kilka dziwnych.
05:08
So many of them are occluded by faces, and so on.
96
283000
3000
Wiele z nich zasłoniętych jest twarzami i tym podobne.
05:13
Somewhere in here there are actually
97
288000
1000
Gdzieś tu właściwie jest
05:15
a series of photographs -- here we go.
98
290000
1000
seria fotografii - tu ją mamy.
05:17
This is actually a poster of Notre Dame that registered correctly.
99
292000
3000
To jest właściwie plakat Notre Dame dobrze zarejestrowany.
05:21
We can dive in from the poster
100
296000
2000
Możemy przejść z plakatu
05:24
to a physical view of this environment.
101
299000
3000
do fizycznej wizji tego środowiska.
05:31
What the point here really is is that we can do things
102
306000
3000
Ważnym punktem tu jest rzeczywiście, że możemy robić rzeczy
05:34
with the social environment. This is now taking data from everybody --
103
309000
5000
ze środowiskiem społecznym. Bierzemy dane od wszystkich -
05:39
from the entire collective memory
104
314000
1000
z całej kolektywnej pamięci
05:40
of, visually, of what the Earth looks like --
105
315000
2000
wizualnie, tego jak wygląda Ziemia -
05:43
and link all of that together.
106
318000
1000
i łączymy je razem.
05:44
All of those photos become linked together,
107
319000
2000
Wszystkie te fotografie są połączone razem
05:46
and they make something emergent
108
321000
1000
i tworzą coś nowo powstałego,
05:47
that's greater than the sum of the parts.
109
322000
2000
co jest czymś więcej niż suma części.
05:49
You have a model that emerges of the entire Earth.
110
324000
2000
Mamy model, który wyłania się jako cała Ziemia.
05:51
Think of this as the long tail to Stephen Lawler's Virtual Earth work.
111
326000
5000
Wyobraźcie to sobie jako długi ogon wirtualnej Ziemi Stephena Lawlera.
05:56
And this is something that grows in complexity
112
331000
2000
Zwiększa to swoją kompleksowość
05:58
as people use it, and whose benefits become greater
113
333000
3000
w miarę korzystania z niego przez ludzi, a jego korzyści stają się większe
06:01
to the users as they use it.
114
336000
2000
dla użytkowników w miarę jego używania.
06:03
Their own photos are getting tagged with meta-data
115
338000
2000
Ich zdjęcia zostają naznaczone w meta-danych,
06:05
that somebody else entered.
116
340000
1000
które ktoś gdzieś wprowadził.
06:07
If somebody bothered to tag all of these saints
117
342000
3000
Jeśli ktoś poświęciłby czas by oznaczyć wszystkich tych świętych
06:10
and say who they all are, then my photo of Notre Dame Cathedral
118
345000
3000
i powiedział kim oni są, wówczas zdjęcie Katedry Notre Dame
06:13
suddenly gets enriched with all of that data,
119
348000
2000
nagle byłoby bogatsze o te wszystkie informacje
06:15
and I can use it as an entry point to dive into that space,
120
350000
3000
i ja mógłbym je użyć jako punkt wejścia w tę przestrzeń,
06:18
into that meta-verse, using everybody else's photos,
121
353000
2000
w ten meta-wersalik, korzystając z czyichś zdjęć
06:21
and do a kind of a cross-modal
122
356000
2000
i stworzyć pewne krzyżowo-modalne,
06:25
and cross-user social experience that way.
123
360000
3000
wykorzystywane przez wielu użytkowników doświadczenie społeczne w ten sposób.
06:28
And of course, a by-product of all of that
124
363000
1000
I oczywiście produktem ubocznym tego wszystkiego
06:30
is immensely rich virtual models
125
365000
2000
są niezwykle bogate modele wirtualne
06:32
of every interesting part of the Earth, collected
126
367000
2000
każdej interesującej części Ziemi, zebrane
06:35
not just from overhead flights and from satellite images
127
370000
3000
nie tylko z lotów i obrazów satelitarnych
06:38
and so on, but from the collective memory.
128
373000
2000
i tym podobnych, lecz z kolektywnej pamięci.
06:40
Thank you so much.
129
375000
2000
Dziękuję bardzo.
06:42
(Applause)
130
377000
11000
(Oklaski)
06:53
Chris Anderson: Do I understand this right? That what your software is going to allow,
131
388000
4000
Chris Anderson: Czy dobrze rozumiem? Twoje oprogramowanie pozwoli
06:58
is that at some point, really within the next few years,
132
393000
2000
w pewnym momencie, właściwie za kilka lat,
07:01
all the pictures that are shared by anyone across the world
133
396000
4000
że wszystkie zdjęcia, którymi się dzielimy z kimkolwiek na całym świecie
07:05
are going to basically link together?
134
400000
2000
zostaną połączone?
07:07
BAA: Yes. What this is really doing is discovering.
135
402000
2000
BAA: Tak. Co ono właściwie robi to odkrywa.
07:09
It's creating hyperlinks, if you will, between images.
136
404000
3000
Tworzy hyperlinki, jeśli tak można nazwać, między obrazami.
07:12
And it's doing that
137
407000
1000
I robi to
07:13
based on the content inside the images.
138
408000
1000
w oparciu o treść zawartą w tych obrazach.
07:14
And that gets really exciting when you think about the richness
139
409000
3000
I to jest naprawdę radosne, gdy pomyślisz o bogactwie
07:17
of the semantic information that a lot of those images have.
140
412000
2000
semantycznych informacji jakie ma wiele z tych obrazów.
07:19
Like when you do a web search for images,
141
414000
2000
To tak jak szukasz obrazów na Sieci,
07:22
you type in phrases, and the text on the web page
142
417000
2000
wpisujesz wyrażenia, a tekst na stronie
07:24
is carrying a lot of information about what that picture is of.
143
419000
3000
niesie wszystkie informacje o obrazie.
07:27
Now, what if that picture links to all of your pictures?
144
422000
2000
Więc co, jeśli to zdjęcie łączy się ze wszystkimi zdjęciami?
07:29
Then the amount of semantic interconnection
145
424000
2000
Wówczas ilość połączeń semantycznych
07:31
and the amount of richness that comes out of that
146
426000
1000
i bogactwo, które jest tego wynikiem
07:32
is really huge. It's a classic network effect.
147
427000
3000
jest w rzeczywistości ogromne. Jest to klasyczny rezultat sieci.
07:35
CA: Blaise, that is truly incredible. Congratulations.
148
430000
2000
CA: Blaise, to doprawdy niesamowite. Gratulacje.
07:37
BAA: Thanks so much.
149
432000
1000
BAA: Dziękuję bardzo.
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