TED2015
Abe Davis: New video technology that reveals an object's hidden properties
เอบ เดวิส (Abe Davis): New video technology that reveals an object's hidden properties
Filmed:
Readability: 4.3
1,482,525 views
การเคลื่อนไหวที่ละเอียดอ่อนซับซ้อนเกิดขึ้นรอบตัวเราตลอดเวลา รวมถึงการสั่นไหวเล็กๆ อันเกิดจากคลื่นเสียง เทคโนโลยีแบบใหม่แสดงให้เราเห็นถึงการตรวจจับการสั่นไหวนี้ และสังเคราะห์เสียงและบทสนทนาขึ้นมาจากวิดีโอของวัตถุที่ดูราวกับหยุดนิ่ง แต่ เอบ เดวิส ได้พาเราก้าวไปอีกขั้น ชมการสาธิตซอฟท์แวร์ของเขาที่สามารถให้ทุกคนโต้ตอบกับวัตถุ และคุณสมบัติที่ซ่อนอยู่ของมันได้ จากเพียงวิดีโอธรรมดา ๆ
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.
00:13
Most of us think of motion
as a very visual thing.
as a very visual thing.
0
1373
3349
พวกเราส่วนใหญ่คิดถึงการเคลื่อนไหว
ว่าคือสิ่งที่มองเห็นได้
ว่าคือสิ่งที่มองเห็นได้
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
ถ้าผมเดินบนเวทีหรือยกมือยกไม้เวลาพูด
00:22
that motion is something that you can see.
2
10977
2261
การเคลื่อนไหวนั้นก็จะเป็นสิ่งที่คุณมองเห็นได้
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
แต่ยังมีการเคลื่อนไหวสำคัญ ๆ อีกมากมาย
ที่ละเอียดซับซ้อนเกินว่าคนเราจะมองเห็น
ที่ละเอียดซับซ้อนเกินว่าคนเราจะมองเห็น
00:31
and over the past few years,
4
19737
2041
แต่ในช่วงไม่กี่ปีที่ผ่านมา
00:33
we've started to find that cameras
5
21778
1997
เราค้นพบว่ากล้องวิดีโอ
00:35
can often see this motion
even when humans can't.
even when humans can't.
6
23775
3410
สามารถบันทึกการเคลื่อนไหวนี้ได้
แม้ว่าคนเราจะไม่สามารถรับรู้
แม้ว่าคนเราจะไม่สามารถรับรู้
00:40
So let me show you what I mean.
7
28305
1551
เอาล่ะ ผมจะแสดงให้คุณเห็นว่าผมหมายถึงอะไร
00:42
On the left here, you see video
of a person's wrist,
of a person's wrist,
8
30717
3622
ทางซ้ายนี้ คุณจะเห็นวิดีโอ
ข้อมือคนคนหนึ่ง
ข้อมือคนคนหนึ่ง
00:46
and on the right, you see video
of a sleeping infant,
of a sleeping infant,
9
34339
3147
และทางขวา คุณจะเห็นวิดีโดของเด็กทารกที่หลับอยู่
00:49
but if I didn't tell you
that these were videos,
that these were videos,
10
37486
3146
แต่ถ้าผมไม่บอกคุณว่านี่คือวิดีโอ
00:52
you might assume that you were looking
at two regular images,
at two regular images,
11
40632
3761
คุณอาจคิดว่าคุณกำลังมองภาพนิ่งธรรมดา ๆ
00:56
because in both cases,
12
44393
1672
เพราะทั้งสองกรณีนั้น
00:58
these videos appear to be
almost completely still.
almost completely still.
13
46065
3047
วิดีโอเหล่านี้ก็ดูแทบจะไม่ไหวติง
01:02
But there's actually a lot
of subtle motion going on here,
of subtle motion going on here,
14
50175
3885
ทั้งที่จริง ๆ แล้วมีการเคลื่อนไหว
ที่ละเอียดอ่อนเกิดขึ้นมากมาย
ที่ละเอียดอ่อนเกิดขึ้นมากมาย
01:06
and if you were to touch
the wrist on the left,
the wrist on the left,
15
54060
2392
ถ้าคุณได้สัมผัสข้อมือทางด้านซ้าย
01:08
you would feel a pulse,
16
56452
1996
คุณจะรับรู้ถึงชีพจร
01:10
and if you were to hold
the infant on the right,
the infant on the right,
17
58448
2485
และถ้าคุณได้อุ้มทารกในวิดีโอฝั่งขวา
01:12
you would feel the rise
and fall of her chest
and fall of her chest
18
60933
2391
คุณจะรู้สึกถึงการเคลื่อนที่ขึ้นลงของหน้าอก
01:15
as she took each breath.
19
63324
1390
ขณะที่เธอหายใจในแต่ละครั้ง
01:17
And these motions carry
a lot of significance,
a lot of significance,
20
65762
3576
และการเคลื่อนไหวเหล่านี้ก็มีความสำคัญมาก
01:21
but they're usually
too subtle for us to see,
too subtle for us to see,
21
69338
3343
เพียงแต่ว่ามันละเอียดอ่อน
เกินกว่าที่เราจะมองเห็น
เกินกว่าที่เราจะมองเห็น
01:24
so instead, we have to observe them
22
72681
2276
เพราะอย่างนั้นเราจึงสังเกตมัน
01:26
through direct contact, through touch.
23
74957
2900
ผ่านการสัมผัสโดยตรงแทน
01:30
But a few years ago,
24
78997
1265
แต่เมื่อไม่กี่ปีที่ผ่านมา
01:32
my colleagues at MIT developed
what they call a motion microscope,
what they call a motion microscope,
25
80262
4405
เหล่าเพื่อนร่วมงานผมที่เอ็มไอทีได้พัฒนาสิ่งที่
เรียกว่ากล้องจุลทรรศน์แห่งการเคลื่อนไหว
เรียกว่ากล้องจุลทรรศน์แห่งการเคลื่อนไหว
01:36
which is software that finds
these subtle motions in video
these subtle motions in video
26
84667
4384
ซึ่งเป็นซอฟท์แวร์ที่จับการเคลื่อนไหว
อันละเอียดอ่อนนี้ในวิดีโอ
อันละเอียดอ่อนนี้ในวิดีโอ
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
และขยายการเคลื่อนไหวนั้น
ให้ใหญ่มากพอจนเรามองเห็นได้
ให้ใหญ่มากพอจนเรามองเห็นได้
01:45
And so, if we use their software
on the left video,
on the left video,
28
93416
3483
ดังนั้น ถ้าหากเราใช้ซอฟท์แวร์นี้
กับวิดีโอทางด้านซ้าย
กับวิดีโอทางด้านซ้าย
01:48
it lets us see the pulse in this wrist,
29
96899
3250
มันจะทำให้เราเห็นชีพจรบนข้อมือ
01:52
and if we were to count that pulse,
30
100149
1695
และถ้าเรานับจำนวนครั้งของชีพจรนั้น
01:53
we could even figure out
this person's heart rate.
this person's heart rate.
31
101844
2355
เราก็จะรู้อัตราการเต้นของหัวใจของคน ๆ นั้นด้วย
01:57
And if we used the same software
on the right video,
on the right video,
32
105095
3065
และถ้าเราใช้ซอฟท์แวร์แบบเดียวกัน
กับวิดีโอทางด้านขวา
กับวิดีโอทางด้านขวา
02:00
it lets us see each breath
that this infant takes,
that this infant takes,
33
108160
3227
มันจะทำให้เราเห็นการหายใจแต่ละครั้งของทารกนี้
02:03
and we can use this as a contact-free way
to monitor her breathing.
to monitor her breathing.
34
111387
4137
และเราสามารถใช้วิธีที่ไม่ต้องสัมผัสตัวเธอ
ในการติดตามการหายใจของเธอ
ในการติดตามการหายใจของเธอ
02:08
And so this technology is really powerful
because it takes these phenomena
because it takes these phenomena
35
116884
5348
เทคโนโลยีนี้ทรงพลังมาก
เพราะมันนำเอาปรากฏการณ์เช่นนี้
เพราะมันนำเอาปรากฏการณ์เช่นนี้
02:14
that we normally have
to experience through touch
to experience through touch
36
122232
2367
ซึ่งปกติแล้วเราจะต้องรับรู้ด้วยการสัมผัส
02:16
and it lets us capture them visually
and non-invasively.
and non-invasively.
37
124599
2957
และทำให้เราตรวจจับมันได้ผ่านทางภาพ
โดยไม่มีการสัมผัส ๆ
โดยไม่มีการสัมผัส ๆ
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
เมื่อสองปีที่แล้ว ผมร่วมงาน
กับเหล่าผู้สร้างซอฟท์แวร์นี้
กับเหล่าผู้สร้างซอฟท์แวร์นี้
02:25
and we decided to pursue a crazy idea.
39
133515
3367
และเราตัดสินใจจะทำตามแนวคิดหนึ่ง
ที่ดูออกจะเพี้ยน ๆ ให้เป็นจริง
ที่ดูออกจะเพี้ยน ๆ ให้เป็นจริง
02:28
We thought, it's cool
that we can use software
that we can use software
40
136882
2693
เราคิดว่ามันดูเจ๋ง ที่จะใช้ซอฟท์แวร์
02:31
to visualize tiny motions like this,
41
139575
3135
เพื่อทำให้การเคลื่อนไหวเล็กนี้ ๆ มองเห็นได้
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
คุณอาจมองว่ามันเป็นการขยาย
ประสาทด้านสัมผัสวิธีหนึ่งก็ได้
ประสาทด้านสัมผัสวิธีหนึ่งก็ได้
02:39
But what if we could do the same thing
with our ability to hear?
with our ability to hear?
43
147168
4059
แต่ถ้าเราสามารถทำสิ่งเดียวกันนี้
กับประสาทด้านการได้ยินล่ะ
กับประสาทด้านการได้ยินล่ะ
02:44
What if we could use video
to capture the vibrations of sound,
to capture the vibrations of sound,
44
152508
4665
ถ้าเราสามารถใช้วิดีโอ
เพื่อจับการสั่นไหวของคลื่นเสียง
เพื่อจับการสั่นไหวของคลื่นเสียง
02:49
which are just another kind of motion,
45
157173
2827
ซึ่งก็นับเป็นการเคลื่อนไหวแบบหนึ่ง
02:52
and turn everything that we see
into a microphone?
into a microphone?
46
160000
3346
และเปลี่ยนทุกอย่างที่เราเห็นเห็นเป็นไมโครโฟน
02:56
Now, this is a bit of a strange idea,
47
164236
1971
นี่อาจจะฟังดูเป็นแนวคิด ที่แปลก
02:58
so let me try to put it
in perspective for you.
in perspective for you.
48
166207
2586
งั้นลองให้ผมอธิบายให้พวกคุณเข้าใจง่ายขึ้น
03:01
Traditional microphones
work by converting the motion
work by converting the motion
49
169523
3488
ไมโครโฟนทั่ว ๆ ไป
ทำงานโดยการเปลี่ยนการเคลื่อนไหว
ทำงานโดยการเปลี่ยนการเคลื่อนไหว
03:05
of an internal diaphragm
into an electrical signal,
into an electrical signal,
50
173011
3599
ของแผ่นไดอะแฟรมที่อยู่ข้างใน
ให้เป็นสัญญาณไฟฟ้า
ให้เป็นสัญญาณไฟฟ้า
03:08
and that diaphragm is designed
to move readily with sound
to move readily with sound
51
176610
4318
และแผ่นไดอะแฟรมนั้นถูกออกแบบมา
เพื่อให้สั่นไหวไปพร้อมกับคลื่นเสียง
เพื่อให้สั่นไหวไปพร้อมกับคลื่นเสียง
03:12
so that its motion can be recorded
and interpreted as audio.
and interpreted as audio.
52
180928
4807
ดั้งนั้นการเคลื่อนไหวของมันจะถูกบันทึก
และแปลงออกมาเป็นสัญญาณเสียง
และแปลงออกมาเป็นสัญญาณเสียง
03:17
But sound causes all objects to vibrate.
53
185735
3668
แต่คลื่นเสียงนั้นทำให้วัตถุทุกอย่างสั่นไหว
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
การสั่นไหวนี้ โดยปกติจะเล็ก
และเร็วมากจนเราสังเกตไม่เห็น
และเร็วมากจนเราสังเกตไม่เห็น
03:26
So what if we record them
with a high-speed camera
with a high-speed camera
55
194883
3738
แล้วถ้าเราบันทึกมันด้วยกล้องวิดีโอความเร็วสูง
03:30
and then use software
to extract tiny motions
to extract tiny motions
56
198621
3576
จากนั้นใช้ซอฟท์แวร์
เพื่อดึงการเคลื่อนไหวเล็ก ๆ นั้นออกมาก
เพื่อดึงการเคลื่อนไหวเล็ก ๆ นั้นออกมาก
03:34
from our high-speed video,
57
202197
2090
จากวิดีโอความเร็วสูงที่เราบันทึกไว้
03:36
and analyze those motions to figure out
what sounds created them?
what sounds created them?
58
204287
4274
แล้ววิเคราะห์หาเสียงซึ่งเป็นต้นกำเนิด
ของการเคลื่อนไหวเหล่านั้น
ของการเคลื่อนไหวเหล่านั้น
03:41
This would let us turn visible objects
into visual microphones from a distance.
into visual microphones from a distance.
59
209859
5449
ด้วยวิธีนี้ เราจึงสามารถแปลงวัตถุที่มองเห็น
ให้กลายเป็นไมโครโฟนระยะไกล
ให้กลายเป็นไมโครโฟนระยะไกล
03:49
And so we tried this out,
60
217080
2183
เราได้ทำการทดสอบ
03:51
and here's one of our experiments,
61
219263
1927
และนี่คือหนึ่งในการทดลองของเรา
03:53
where we took this potted plant
that you see on the right
that you see on the right
62
221190
2949
โดยเรานำเอาต้นไม้ในกระถางที่คุณเห็นในทางขวา
03:56
and we filmed it with a high-speed camera
63
224139
2438
บันทึกด้วยกล้องวีดิโอความเร็วสูง
03:58
while a nearby loudspeaker
played this sound.
played this sound.
64
226577
3529
ในขณะที่ลำโพงที่อยู่ใกล้ ๆ กำลังเล่นเสียงนี้
04:02
(Music: "Mary Had a Little Lamb")
65
230275
8190
(เสียงเพลง: "Marry Had a Little Lamb")
04:11
And so here's the video that we recorded,
66
239820
2824
และนี่คือวิดีโอที่เราบันทึกไว้
04:14
and we recorded it at thousands
of frames per second,
of frames per second,
67
242644
3924
เราบันทึกด้วยความเร็วหลายพันเฟรมต่อวินาที
04:18
but even if you look very closely,
68
246568
2322
แต่แม้ว่าคุณจะมองมันใกล้ ๆ
04:20
all you'll see are some leaves
69
248890
1951
คุณก็จะเห็นเพียงแค่ใบไม้
04:22
that are pretty much
just sitting there doing nothing,
just sitting there doing nothing,
70
250841
3065
ที่อยู่นิ่ง ๆ ไม่เคลื่อนไหวอะไร
04:25
because our sound only moved those leaves
by about a micrometer.
by about a micrometer.
71
253906
4806
นั่นเป็นเพราะเสียงเคลื่อนที่ใบไม้เหล่านั้น
ไปเพียงหนึ่งไมโครเมตร
ไปเพียงหนึ่งไมโครเมตร
04:31
That's one ten-thousandth of a centimeter,
72
259103
4276
หรือ หนึ่งในหมื่นของเซนติเมตร
04:35
which spans somewhere between
a hundredth and a thousandth
a hundredth and a thousandth
73
263379
4156
ซึ่งคิดเป็นระยะทางในช่วง
หนึ่งในร้อย หรือหนึ่งในพัน
หนึ่งในร้อย หรือหนึ่งในพัน
04:39
of a pixel in this image.
74
267535
2299
ของหนึ่งพิกเซลในภาพนี้
04:41
So you can squint all you want,
75
269881
2887
ดังนั้น คุณจะเพ่งมองเท่าไหร่ก็คงมองไม่เห็น
04:44
but motion that small is pretty much
perceptually invisible.
perceptually invisible.
76
272768
3335
การเคลื่อนไหวเพียงเล็กน้อยนี้
ไม่สามารถสังเกตได้ด้วยตาเปล่า
ไม่สามารถสังเกตได้ด้วยตาเปล่า
04:49
But it turns out that something
can be perceptually invisible
can be perceptually invisible
77
277667
4157
แต่ปรากฏว่า สิ่งที่ไม่สามารถ
สังเกตได้ด้วยตาเปล่านี้
สังเกตได้ด้วยตาเปล่านี้
04:53
and still be numerically significant,
78
281824
2809
สามารถสร้างความแตกต่าง
ในเชิงเลขได้อย่างมีนัยสำคัญ
ในเชิงเลขได้อย่างมีนัยสำคัญ
04:56
because with the right algorithms,
79
284633
2002
เพราะด้วยระเบียบวิธีที่ถูกต้อง
04:58
we can take this silent,
seemingly still video
seemingly still video
80
286635
3687
เราสามารถแปลงวิดีโอเงียบ ๆ
ดูราวกับไร้การเคลื่อนไหวนี้
ดูราวกับไร้การเคลื่อนไหวนี้
05:02
and we can recover this sound.
81
290322
1527
แล้วกู้เอาเสียงนี้กลับมาได้
05:04
(Music: "Mary Had a Little Lamb")
82
292690
7384
(เสียงเพลง: "Marry Had a Little Lamb")
05:12
(Applause)
83
300074
5828
(เสียงปรบมือ)
05:22
So how is this possible?
84
310058
1939
มันเป็นไปได้อย่างไร
05:23
How can we get so much information
out of so little motion?
out of so little motion?
85
311997
4344
ทำไมเราจึงได้ข้อมูลมหาศาล
จากการเคลื่อนไหวเพียงเล็กน้อย
จากการเคลื่อนไหวเพียงเล็กน้อย
05:28
Well, let's say that those leaves
move by just a single micrometer,
move by just a single micrometer,
86
316341
5361
สมมุติว่า ใบไม้เหล่านั้นเคลื่อนที่
ไปเพียงหนึ่งไมโครเมตร
ไปเพียงหนึ่งไมโครเมตร
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
และสมมุติว่านั่นทำให้ภาพ
เคลื่อนที่ไปหนึ่งในพันของพิกเซล
เคลื่อนที่ไปหนึ่งในพันของพิกเซล
05:39
That may not seem like much,
88
327269
2572
ซึ่งฟังดูแล้วอาจจะไม่มาก
05:41
but a single frame of video
89
329841
1996
แต่ภายในวิดีโอหนึ่งเฟรม
05:43
may have hundreds of thousands
of pixels in it,
of pixels in it,
90
331837
3257
นั้นมีหลายล้านพิกเซล
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
ถ้าเรารวมเอาการเคลื่อนไหวเล็ก ๆ
เหล่านั้นที่เราเห็น
เหล่านั้นที่เราเห็น
05:50
from across that entire image,
92
338548
2298
จากภาพทั้งภาพ
05:52
then suddenly a thousandth of a pixel
93
340846
2623
หนึ่งในพันของพิกเซล
05:55
can start to add up
to something pretty significant.
to something pretty significant.
94
343469
2775
ก็จะสะสมรวมกัน
เป็นบางสิ่งที่มีนัยสำคัญ
เป็นบางสิ่งที่มีนัยสำคัญ
05:58
On a personal note, we were pretty psyched
when we figured this out.
when we figured this out.
95
346870
3635
ผมจะบอกให้ว่า พวกเราแทบกระโดดตัวลอย
เมื่อคิดเรื่องนี้ออก
เมื่อคิดเรื่องนี้ออก
06:02
(Laughter)
96
350505
2320
(เสียงหัวเราะ)
06:04
But even with the right algorithm,
97
352825
3253
แต่แม้กระทั่งด้วยระเบียบวิธีที่เหมาะสม
06:08
we were still missing
a pretty important piece of the puzzle.
a pretty important piece of the puzzle.
98
356078
3617
เราก็ยังขาดชิ้นส่วนสำคัญของปัญหานี้
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
มันมีองค์ประกอบหลายอย่างที่จะส่งผลกระทบ
ว่าเทคนิคนี้จะใช้ได้ผล
ว่าเทคนิคนี้จะใช้ได้ผล
06:15
this technique will work.
100
363299
1997
เมื่อไร และดีแค่ไหน
06:17
There's the object and how far away it is;
101
365296
3204
วัตถุนั้นคืออะไร และมันอยู่ไกลแค่ไหน
06:20
there's the camera
and the lens that you use;
and the lens that you use;
102
368500
2394
กล้องเป็นอย่างไร และใช้เลนส์แบบไหน
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
มีแสงตกกระทบบนวัตถุมากน้อยแค่ไหน
และเสียงดังแค่ไหน
และเสียงดังแค่ไหน
06:27
And even with the right algorithm,
104
375945
3375
และแม้ว่าด้วยระเบียบวิธีที่เหมาะสม
06:31
we had to be very careful
with our early experiments,
with our early experiments,
105
379320
3390
เราจะต้องใช้ความระมัดระวังมาก
ในการทดลองขั้นต้นของเรา
ในการทดลองขั้นต้นของเรา
06:34
because if we got
any of these factors wrong,
any of these factors wrong,
106
382710
2392
เพราะถ้าองค์ประกอบเหล่านี้
ผิดเพี้ยนไปสักอย่างหนึ่ง
ผิดเพี้ยนไปสักอย่างหนึ่ง
06:37
there was no way to tell
what the problem was.
what the problem was.
107
385102
2368
จะไม่มีวิธีค้นพบว่า
เกิดความผิดพลาดตรงไหน
เกิดความผิดพลาดตรงไหน
06:39
We would just get noise back.
108
387470
2647
เราจะได้ยินแค่เสียงซ่า
06:42
And so a lot of our early
experiments looked like this.
experiments looked like this.
109
390117
3320
ดังนั้น การทดลองหลาย ๆ ครั้ง
ในขั้นต้นจึงเป็นแบบนี้
ในขั้นต้นจึงเป็นแบบนี้
06:45
And so here I am,
110
393437
2206
นั่นคือผม
06:47
and on the bottom left, you can kind of
see our high-speed camera,
see our high-speed camera,
111
395643
4040
และทางด้านซ้ายล่าง
คุณจะพอมองเห็นกล้องวิดีโอความเร็วสูง
คุณจะพอมองเห็นกล้องวิดีโอความเร็วสูง
06:51
which is pointed at a bag of chips,
112
399683
2183
ซึ่งจะจับไปยังถุงมันฝรั่ง
06:53
and the whole thing is lit
by these bright lamps.
by these bright lamps.
113
401866
2949
ซึ่งถูกฉายด้วยไฟสว่างจ้า
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
และอย่างที่บอก เราต้องระมัดระวังในการทดลอง
ขั้นต้นเหล่านี้มาก ๆ
ขั้นต้นเหล่านี้มาก ๆ
07:01
so this is how it went down.
115
409180
2508
มันจึงออกมาเป็นแบบนี้
07:03
(Video) Abe Davis: Three, two, one, go.
116
411688
3761
(วิดีโอ) เอบ เดวิส: สาม, สอง, หนึ่ง, เริ่ม
07:07
Mary had a little lamb!
Little lamb! Little lamb!
Little lamb! Little lamb!
117
415449
5387
แมรี มีลูกแกะตัวหนึ่ง!
ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!
ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!
07:12
(Laughter)
118
420836
4500
(เสียงหัวเราะ)
07:17
AD: So this experiment
looks completely ridiculous.
looks completely ridiculous.
119
425336
2814
เอบ: การทดลองนี้มันออกจะดูน่าขันไปหน่อย
07:20
(Laughter)
120
428150
1788
(เสียงหัวเราะ)
07:21
I mean, I'm screaming at a bag of chips --
121
429938
2345
ผมกำลังตะคอกใส่ถุงมันฝรั่ง
07:24
(Laughter) --
122
432283
1551
(เสียงหัวเราะ) --
07:25
and we're blasting it with so much light,
123
433834
2117
และเราก็ส่องมันด้วยไฟสว่างจ้า
07:27
we literally melted the first bag
we tried this on. (Laughter)
we tried this on. (Laughter)
124
435951
4479
เสียจนกระทั่งเราทำถุงมันฝรั่งละลายไปถุงหนึ่ง
เมื่อตอนเริ่มทดลอง (เสียงหัวเราะ)
เมื่อตอนเริ่มทดลอง (เสียงหัวเราะ)
07:32
But ridiculous as this experiment looks,
125
440525
3274
แต่ แม้ว่าการทดลองนี้มันจะดูน่าขัน
07:35
it was actually really important,
126
443799
1788
แต่มันก็เป็นการทดลองสำคัญ
07:37
because we were able
to recover this sound.
to recover this sound.
127
445587
2926
เพราะเราสามารถกู้เอาเสียงนี้ออกมาได้
07:40
(Audio) Mary had a little lamb!
Little lamb! Little lamb!
Little lamb! Little lamb!
128
448513
4712
(เสียงบันทึก) แมรี่ มีลูกแกะตัวหนึ่ง!
ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!
ลูกแกะตัวหนึ่ง! ลูกแกะตัวหนึ่ง!
07:45
(Applause)
129
453225
4088
(เสียงปรบมือ)
07:49
AD: And this was really significant,
130
457313
1881
เอบ: และนี่คือสิ่งที่สำคัญมาก
07:51
because it was the first time
we recovered intelligible human speech
we recovered intelligible human speech
131
459194
4119
เพราะว่านั่นคือครั้งแรกที่เราสามารถ
กู้เสียงพูดมนุษย์ที่ฟังรู้เรื่อง
กู้เสียงพูดมนุษย์ที่ฟังรู้เรื่อง
07:55
from silent video of an object.
132
463424
2341
จากวิดีโอของวัตถุซึ่งไม่มีเสียง
07:57
And so it gave us this point of reference,
133
465765
2391
และมันเป็นจุดอ้างอิงแก่เรา
08:00
and gradually we could start
to modify the experiment,
to modify the experiment,
134
468156
3871
และเราก็ค่อย ๆ เริ่มที่จะปรับปรุงการทดลอง
08:04
using different objects
or moving the object further away,
or moving the object further away,
135
472106
3805
โดยใช้วัตถุต่าง ๆ
หรือเคลื่อนที่วัตถุนั้นให้ห่างออกไป
หรือเคลื่อนที่วัตถุนั้นให้ห่างออกไป
08:07
using less light or quieter sounds.
136
475911
2770
โดยใช้แสงน้อยลง หรือเสียงที่เบาลง
08:11
And we analyzed all of these experiments
137
479887
2874
แล้วเราก็วิเคราะห์การทดลองทั้งหมดนี้
08:14
until we really understood
the limits of our technique,
the limits of our technique,
138
482761
3622
จนกระทั่งเราเข้าใจถ่องแท้ถึง
ข้อจำกัดของเทคนิคนี้
ข้อจำกัดของเทคนิคนี้
08:18
because once we understood those limits,
139
486383
1950
เพราะเมื่อเราเข้าใจข้อจำกัดเหล่านั้น
08:20
we could figure out how to push them.
140
488333
2346
เราก็สามารถหาทางที่จะผลักดันมันออกไป
08:22
And that led to experiments like this one,
141
490679
3181
และนำไปสู่การทดลองเช่นนี้
08:25
where again, I'm going to speak
to a bag of chips,
to a bag of chips,
142
493860
2739
ซึ่งก็เหมือนเคย คือผมก็จะพูดกับถุงมันฝรั่ง
08:28
but this time we've moved our camera
about 15 feet away,
about 15 feet away,
143
496599
4830
และครั้งนี้เราย้ายกล้องให้ห่างออกไป 15 ฟุต
08:33
outside, behind a soundproof window,
144
501429
2833
อยู่หลังหน้าต่างกันเสียง
08:36
and the whole thing is lit
by only natural sunlight.
by only natural sunlight.
145
504262
2803
และทุกอย่างนั้นถูกให้แสงโดยแสงธรรมชาติ
08:40
And so here's the video that we captured.
146
508529
2155
และนี่คือวิดีโอที่เราบันทึกไว้
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
และนี่คือเสียงจากด้านใน
ข้าง ๆ ถุงมันฝรั่ง
ข้าง ๆ ถุงมันฝรั่ง
08:49
(Audio) Mary had a little lamb
whose fleece was white as snow,
whose fleece was white as snow,
148
517009
5038
(เสียงบันทึก) แมรี่มีลูกแกะตัวหนึ่ง
ขนมันขาวราวหิมะ
ขนมันขาวราวหิมะ
08:54
and everywhere that Mary went,
that lamb was sure to go.
that lamb was sure to go.
149
522047
5619
และไม่ว่าแมรี่จะไปไหน
ลูกแกะก็จะตามไป
ลูกแกะก็จะตามไป
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
เอป: และนี่คือสิ่งที่เราสามารถกู้
กลับมาได้จากวีดิโอซึ่งไร้เสียง
กลับมาได้จากวีดิโอซึ่งไร้เสียง
09:03
captured outside behind that window.
151
531683
2345
ที่บันทึกจากนอกหน้าต่าง
09:06
(Audio) Mary had a little lamb
whose fleece was white as snow,
whose fleece was white as snow,
152
534028
4435
(เสียงบันทึก) แมรี่มีลูกแกะตัวหนึ่ง
ขนมันขาวราวหิมะ
ขนมันขาวราวหิมะ
09:10
and everywhere that Mary went,
that lamb was sure to go.
that lamb was sure to go.
153
538463
5457
และไม่ว่าแมรี่จะไปไหน
ลูกแกะก็จะตามไป
ลูกแกะก็จะตามไป
09:15
(Applause)
154
543920
6501
(เสียงปรบมือ)
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
เอบ: ยังมีอีกหลายวิธีที่เรา
จะผลักดันขีดจำกัดเหล่านั้นออกไปอีก
จะผลักดันขีดจำกัดเหล่านั้นออกไปอีก
09:25
So here's a quieter experiment
156
553963
1798
นี่คือการทดลองที่เงียบขึ้น
09:27
where we filmed some earphones
plugged into a laptop computer,
plugged into a laptop computer,
157
555761
4110
ซึ่งเราถ่ายวิดีโอหูฟังซึ่งเสียบอยู่กับแล็ปท็อป
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
และในกรณีนี้ เป้าหมายของเรา
คือการกู้เสียงเพลงซึ่งกำลังเล่นจากแล็ปท็อป
คือการกู้เสียงเพลงซึ่งกำลังเล่นจากแล็ปท็อป
09:35
from just silent video
159
563981
2299
จากวิดีโอเงียบๆ
09:38
of these two little plastic earphones,
160
566280
2507
ของหูฟังพลาสติกสองชิ้นนี้
09:40
and we were able to do this so well
161
568787
2183
และเราก็ทำได้ดีมาก
09:42
that I could even Shazam our results.
162
570970
2461
เสียจนผมสามารถใช้เอาเสียงนี้
ไปใช้ค้นหาชื่อเพลงบน Shazam ได้
ไปใช้ค้นหาชื่อเพลงบน Shazam ได้
09:45
(Laughter)
163
573431
2411
(เสียงหัวเราะ)
09:49
(Music: "Under Pressure" by Queen)
164
577191
10034
(เสียงเพลง: "Under Pressure" โดยวง Queen)
10:01
(Applause)
165
589615
4969
(เสียงปรบมือ)
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
เรายังสามารถผลักดันขีดจำกัด
โดยเปลี่ยนอุปกรณ์ที่เราใช้
โดยเปลี่ยนอุปกรณ์ที่เราใช้
10:11
Because the experiments
I've shown you so far
I've shown you so far
167
599135
2461
เนื่องจากในการทดลอง
ที่ผมแสดงให้คุณดูมาตั้งแต่ต้นนั้น
ที่ผมแสดงให้คุณดูมาตั้งแต่ต้นนั้น
10:13
were done with a camera,
a high-speed camera,
a high-speed camera,
168
601596
2322
ล้วนใช้กล้องวิดีโอความเร็วสูง
10:15
that can record video
about a 100 times faster
about a 100 times faster
169
603918
2879
ซึ่งสามารถบันทึกวิดีโอได้เร็วเป็น 100 เท่า
10:18
than most cell phones,
170
606797
1927
ของกล้องบนโทรศัพท์มือถือ
10:20
but we've also found a way
to use this technique
to use this technique
171
608724
2809
แต่กระนั้นเราก็ยังพบวิธีที่จะใช้เทคนิคนี้
10:23
with more regular cameras,
172
611533
2230
กับกล้องทั่ว ๆ ไปได้
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
และเราทำได้โดยใช้ประโยชน์
จากสิ่งที่เรียกว่า โรลลิ่ง ชัตเตอร์ (rolling shutter)
จากสิ่งที่เรียกว่า โรลลิ่ง ชัตเตอร์ (rolling shutter)
10:29
You see, most cameras
record images one row at a time,
record images one row at a time,
174
617832
4798
กล้องทั่วไปบันทึกภาพทีละแถว
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
และถ้าวัตถุเคลื่อนที่ในขณะที่มีการบันทึกภาพหนึ่ง ๆ
10:40
there's a slight time delay
between each row,
between each row,
176
628344
2717
จะเกิดการหน่วงเวลาขึ้นเล็กน้อยในแต่ละแถว
10:43
and this causes slight artifacts
177
631061
3157
และก่อให้เกิดสัญญาณปลอมปนนี้ขึ้นมา
10:46
that get coded into each frame of a video.
178
634218
3483
ซึ่งจะถูกบันทึกลงในแต่ละเฟรมของวิดีโอ
10:49
And so what we found
is that by analyzing these artifacts,
is that by analyzing these artifacts,
179
637701
3806
สิ่งที่เราพบก็คือ
เมื่อเราวิเคราะห์สัญญาณปลอมปน
เมื่อเราวิเคราะห์สัญญาณปลอมปน
10:53
we can actually recover sound
using a modified version of our algorithm.
using a modified version of our algorithm.
180
641507
4615
เราก็จะสามารถกู้เอาเสียงกลับคืนมาได้
โดยใช้ระเบียบวิธีที่ดัดแปลง
โดยใช้ระเบียบวิธีที่ดัดแปลง
10:58
So here's an experiment we did
181
646122
1912
และนี่คือการทดลองที่เราทำ
11:00
where we filmed a bag of candy
182
648034
1695
โดยเราถ่ายวิดีโอถุงลูกกวาด
11:01
while a nearby loudspeaker played
183
649729
1741
ขณะที่ลำโพงที่อยู่ใกล้ ๆ กำลังส่งเสียง
11:03
the same "Mary Had a Little Lamb"
music from before,
music from before,
184
651470
2972
เพลง "Mary Had a Little Lamb"
11:06
but this time, we used just a regular
store-bought camera,
store-bought camera,
185
654442
4203
แต่ครั้งนี้เราใช้กล้องที่หาซื้อได้ทั่ว ๆ ไป
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
และในอีกสักครู่ ผมจะเล่นเสียงที่เรากู้คืนมาได้
11:13
and it's going to sound
distorted this time,
distorted this time,
187
661819
2050
และมันจะฟังดูเพี้ยนหน่อยในครั้งนี้
11:15
but listen and see if you can still
recognize the music.
recognize the music.
188
663869
2836
แต่ลองฟังดูว่าคุณยังพอฟังออก
ว่ามันเป็นเพลงอะไรหรือเปล่า
ว่ามันเป็นเพลงอะไรหรือเปล่า
11:19
(Audio: "Mary Had a Little Lamb")
189
667723
6223
(เสียงเพลง: "Mary Had a Little Lamb")
11:37
And so, again, that sounds distorted,
190
685527
3465
แม้เสียงจะฟังดูผิดเพี้ยนไป
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
แต่สิ่งที่น่าทึ่งก็คือ เราสามารถทำสิ่งนี้ได้
11:45
with something
that you could literally run out
that you could literally run out
192
693378
2626
ด้วยของที่คุณสามารถเดินออกไปหาซื้อได้
11:48
and pick up at a Best Buy.
193
696004
1444
จากร้านขายสินค้าอิเล็คทรอนิคส์ทั่วไป
11:51
So at this point,
194
699122
1363
ณ จุดนี้
11:52
a lot of people see this work,
195
700485
1974
หลาย ๆ คนที่เห็นงานวิจัยนี้
11:54
and they immediately think
about surveillance.
about surveillance.
196
702459
3413
จะนึกถึงงานด้านการสอดแนมในทันที
11:57
And to be fair,
197
705872
2415
ซึ่งพูดตรง ๆ แล้ว
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
มันก็ไม่ยากนักที่จะคิดว่าจะนำเทคโนโลยีนี้
ไปใช้เพื่อสอดแนมใครบางคนได้อย่างไร
ไปใช้เพื่อสอดแนมใครบางคนได้อย่างไร
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
แต่ต้องอย่าลืมว่า มีเทคโนโลยีอีกมากมาย
ที่ได้ถูกวิจัยพัฒนาสมบูรณ์แล้ว
ที่ได้ถูกวิจัยพัฒนาสมบูรณ์แล้ว
12:08
out there for surveillance.
200
716367
1579
ที่ถูกออกแบบมาเพื่อการสอดแนม
12:09
In fact, people have been using lasers
201
717946
2090
อันที่จริงแล้ว ผู้คนได้ใช้แสงเลเซอร์
12:12
to eavesdrop on objects
from a distance for decades.
from a distance for decades.
202
720036
2799
เพื่อตรวจจับการสั่นไหวของวัตถุ
จากระยะไกลมานับสิบปีแล้ว
จากระยะไกลมานับสิบปีแล้ว
12:15
But what's really new here,
203
723978
2025
แต่สิ่งที่แปลกใหม่สำหรับเทคโนโลยีนี้
12:18
what's really different,
204
726003
1440
สิ่งที่แตกต่างจริง ๆ
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
ก็คือเรามีวิธีใหม่ที่จะบันทึกการสั่นไหวของวัตถุ
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
ซึ่งให้มุมมองใหม่สู่โลกกว้างกับเรา
12:27
and we can use that lens
207
735151
1510
และเราสามารถใช้มุมมองนี้
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
ไม่เพียงแค่เรียนรู้ถึงแรงเช่นคลื่นเสียง
ที่ทำให้วัตถุสั่นไหว
ที่ทำให้วัตถุสั่นไหว
12:33
but also about the object itself.
209
741560
2288
แต่ยังเรียนรู้ถึงตัววัตถุนั้น ๆ
12:36
And so I want to take a step back
210
744975
1693
ดังนั้นผมจึงอยากพาท่านถอยมาก้าวหนึ่ง
12:38
and think about how that might change
the ways that we use video,
the ways that we use video,
211
746668
4249
และลองคิดว่ามันจะเปลี่ยนวิธี
ที่เราใช้วิดีโอได้อย่างไร
ที่เราใช้วิดีโอได้อย่างไร
12:42
because we usually use video
to look at things,
to look at things,
212
750917
3553
เพราะปกติแล้วเราใช้วิดีโอเพื่อดูสิ่งต่าง ๆ
12:46
and I've just shown you how we can use it
213
754470
2322
และผมก็เพิ่งแสดงให้คุณดูว่าเรา ใช้มัน
12:48
to listen to things.
214
756792
1857
เพื่อฟังเสียงต่าง ๆ ได้อย่างไร
12:50
But there's another important way
that we learn about the world:
that we learn about the world:
215
758649
3971
แต่ยังมีอีกวิธีหนึ่งที่เรา
สามารถเรียนรู้เกี่ยวกับโลกได้
สามารถเรียนรู้เกี่ยวกับโลกได้
12:54
that's by interacting with it.
216
762620
2275
นั่นก็คือการมีปฏิสัมพันธ์กับมัน
12:56
We push and pull and poke and prod things.
217
764895
3111
เราดัน และดึง และจิ้ม สิ่งต่าง ๆ
13:00
We shake things and see what happens.
218
768006
3181
เราเขย่ามันแล้วดูว่าจะเกิดอะไรขึ้น
13:03
And that's something that video
still won't let us do,
still won't let us do,
219
771187
4273
แต่นั่นเป็นอะไรที่วิดีโอไม่ยอมให้เราทำ
13:07
at least not traditionally.
220
775460
2136
อย่างน้อยก็วิดีโอทั่ว ๆ ไป
13:09
So I want to show you some new work,
221
777596
1950
ผมจึงอยากแสดงให้คุณเห็นถึงงานวิจัยใหม่
13:11
and this is based on an idea I had
just a few months ago,
just a few months ago,
222
779546
2667
ซึ่งเกิดขึ้นมาจากแนวคิดของผม
เมื่อไม่กี่เดือนก่อนหน้านี้
เมื่อไม่กี่เดือนก่อนหน้านี้
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
นี่จึงเป็นครั้งแรกที่ผมแสดงมันต่อสาธารณะชน
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
แนวคิดพื้นฐานก็คือ
เราจะใช้การสั่นไหวในวิดีโอนี้
เราจะใช้การสั่นไหวในวิดีโอนี้
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
เพื่อตรวจจับวัตถุในแบบที่เราสามารถโต้ตอบกับมันได้
13:27
and see how they react to us.
226
795358
1974
และดูว่ามันจะมีปฏิกิริยาอย่างไร
13:31
So here's an object,
227
799120
1764
นี่คือวัตถุชิ้นหนึ่ง
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
และในกรณีนี้ มันคือลวดดัดเป็นรูปคน
13:36
and we're going to film that object
with just a regular camera.
with just a regular camera.
229
804716
3088
และเราก็จะถ่ายวิดีโอวัตถุนี้โดยใช้กล้องธรรมดา
13:39
So there's nothing special
about this camera.
about this camera.
230
807804
2124
ไม่มีอะไรพิเศษเกี่ยวกับกล้องนี้
13:41
In fact, I've actually done this
with my cell phone before.
with my cell phone before.
231
809928
2961
อันที่จริงแล้ว ผมก็เคยทำการทดลองนี้
ด้วยกล้องมือถือของผมเอง
ด้วยกล้องมือถือของผมเอง
13:44
But we do want to see the object vibrate,
232
812889
2252
แต่เราก็อยากเห็นวัตถุนี้สั่นไหว
13:47
so to make that happen,
233
815141
1133
เพื่อให้เป็นเช่นนั้น
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
เราจะเคาะเบา ๆ บนพื้นที่มันตั้งอยู่
13:51
while we record this video.
235
819620
2138
ในขณะที่เราบันทึกวิดีโอ
13:59
So that's it: just five seconds
of regular video,
of regular video,
236
827398
3671
แค่นั้นเอง เพียงแค่วิดีโอยาว 5 วินาที
14:03
while we bang on this surface,
237
831069
2136
ขณะที่เราเคาะพื้น
14:05
and we're going to use
the vibrations in that video
the vibrations in that video
238
833205
3513
และเราก็จะใช้การสั่นไหวในวิดีโอ
14:08
to learn about the structural
and material properties of our object,
and material properties of our object,
239
836718
4544
เพื่อศึกษาเกี่ยวกับโครงสร้าง
และคุณสมบัติเชิงวัสดุของวัตถุชิ้นนั้น
และคุณสมบัติเชิงวัสดุของวัตถุชิ้นนั้น
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
และเราก็จะใช้ข้อมูลนั้น
เพื่อสร้างบางสิ่งใหม่ ๆ ที่สามารถโต้ตอบได้
เพื่อสร้างบางสิ่งใหม่ ๆ ที่สามารถโต้ตอบได้
14:24
And so here's what we've created.
241
852866
2653
นี่คือสิ่งที่เราสร้างขึ้นมา
14:27
And it looks like a regular image,
242
855519
2229
มันดูเหมือนภาพธรรมดา
14:29
but this isn't an image,
and it's not a video,
and it's not a video,
243
857748
3111
แต่นี่ไม่ใช่รูปภาพ และมันก็ไม่ใช่วิดีโอ
14:32
because now I can take my mouse
244
860859
2368
เพราะตอนนี้ผมสามารถเอาเมาส์
14:35
and I can start interacting
with the object.
with the object.
245
863227
2859
ไปโต้ตอบกับวัตถุชิ้นนี้ได้
14:44
And so what you see here
246
872936
2357
และสิ่งที่คุณเห็นอยู่ตอนนี้
14:47
is a simulation of how this object
247
875389
2226
คือการจำลองว่าวัตถุนี้
14:49
would respond to new forces
that we've never seen before,
that we've never seen before,
248
877615
4458
จะตอบสนองต่อแรงใหม่ ๆ
ที่เราไม่เคยเห็นมาก่อน
ที่เราไม่เคยเห็นมาก่อน
14:54
and we created it from just
five seconds of regular video.
five seconds of regular video.
249
882073
3633
และเราก็สร้างมันขึ้นจาก
วิดีโอธรรมดาความยาวแค่ 5 วินาที
วิดีโอธรรมดาความยาวแค่ 5 วินาที
14:59
(Applause)
250
887249
4715
(เสียงปรบมือ)
15:09
And so this is a really powerful
way to look at the world,
way to look at the world,
251
897421
3227
นี่เป็นวิธีที่ทรงพลังมาก
ในการศึกษาโลกใบนี้
ในการศึกษาโลกใบนี้
15:12
because it lets us predict
how objects will respond
how objects will respond
252
900648
2972
เพราะมันทำให้เราทำนายได้
ว่าวัตถุจะตอบสนองอย่างไร
ว่าวัตถุจะตอบสนองอย่างไร
15:15
to new situations,
253
903620
1823
กับสถานการณ์ใหม่ ๆ
15:17
and you could imagine, for instance,
looking at an old bridge
looking at an old bridge
254
905443
3473
และสมมุติว่าคุณมองดูสะพานเก่า ๆ แห่งหนึ่ง
15:20
and wondering what would happen,
how would that bridge hold up
how would that bridge hold up
255
908916
3527
และเกิดสงสัยว่าจะเกิดอะไรขึ้น
สะพานจะรับน้ำหนักได้หรือไม่
สะพานจะรับน้ำหนักได้หรือไม่
15:24
if I were to drive my car across it.
256
912443
2833
ถ้าคุณขับรถข้ามสะพานนั้น
15:27
And that's a question
that you probably want to answer
that you probably want to answer
257
915276
2774
และนั่นเป็นคำถามที่คุณต้องการคำตอบ
15:30
before you start driving
across that bridge.
across that bridge.
258
918050
2560
ก่อนที่จะขับข้ามสะพานนั้น
15:33
And of course, there are going to be
limitations to this technique,
limitations to this technique,
259
921988
3272
และแน่นอน มันก็จะต้องมีขีดจำกัดกับเทคนิคนี้
15:37
just like there were
with the visual microphone,
with the visual microphone,
260
925260
2462
เช่นเดียวกับโมโครโฟนภาพ
15:39
but we found that it works
in a lot of situations
in a lot of situations
261
927722
3181
แต่เราก็พบว่ามันใช้ได้ในหลาย ๆ สถานการณ์
15:42
that you might not expect,
262
930903
1875
ที่คุณอาจคาดไม่ถึง
15:44
especially if you give it longer videos.
263
932778
2768
โดยเฉพาะเมื่อคุณป้อนวิดีโอที่ยาวขึ้นให้มัน
15:47
So for example,
here's a video that I captured
here's a video that I captured
264
935546
2508
ยกตัวอย่างเช่น
นี่คือวิดีโอที่ผมถ่าย
นี่คือวิดีโอที่ผมถ่าย
15:50
of a bush outside of my apartment,
265
938054
2299
ไม้พุ่มหนึ่งนอกอพาร์ทเมนต์ของผม
15:52
and I didn't do anything to this bush,
266
940353
3088
ผมไม่ได้ทำอะไรกับพุ่มไม้นี้
15:55
but by capturing a minute-long video,
267
943441
2705
แต่ด้วยการถ่ายวิดีโอยาวหนึ่งนาที
15:58
a gentle breeze caused enough vibrations
268
946146
3378
ลมที่พัดเบา ๆ ก็สร้างการสั่นไหวที่มากพอ
16:01
that we could learn enough about this bush
to create this simulation.
to create this simulation.
269
949524
3587
ที่เราจะเรียนรู้เกี่ยวกับพุ่มไม้นี้
เพื่อที่จะสร้างแบบจำลอง
เพื่อที่จะสร้างแบบจำลอง
16:07
(Applause)
270
955270
6142
(เสียงปรบมือ)
16:13
And so you could imagine giving this
to a film director,
to a film director,
271
961412
2972
และคุณคงพอนึกออกว่า
หากผู้กำกับภาพยนต์ได้ใช้มัน
หากผู้กำกับภาพยนต์ได้ใช้มัน
16:16
and letting him control, say,
272
964384
1719
และช่วยให้เขาควบคุม
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
ความแรง หรือทิศทางลม
ในฉากหลังจากที่มันได้ถูกถ่ายไปแล้ว
ในฉากหลังจากที่มันได้ถูกถ่ายไปแล้ว
16:24
Or, in this case, we pointed our camera
at a hanging curtain,
at a hanging curtain,
274
972810
4535
หรือในกรณีนี้
เราตั้งกล้องไปยังผ้าม่านที่แขวนอยู่
เราตั้งกล้องไปยังผ้าม่านที่แขวนอยู่
16:29
and you can't even see
any motion in this video,
any motion in this video,
275
977345
4129
คุณอาจมองไม่เห็น
การเคลื่อนไหวใด ๆ ในวิดีโอนี้
การเคลื่อนไหวใด ๆ ในวิดีโอนี้
16:33
but by recording a two-minute-long video,
276
981474
2925
แต่โดยการบันทึกวิดีโอยาว 2 นาที
16:36
natural air currents in this room
277
984399
2438
กระแสลมตามธรรมชาติในห้องนี้
16:38
created enough subtle,
imperceptible motions and vibrations
imperceptible motions and vibrations
278
986837
4412
สร้างการเคลื่อนไหว
ที่แทบมองไม่เห็นขึ้น
ที่แทบมองไม่เห็นขึ้น
16:43
that we could learn enough
to create this simulation.
to create this simulation.
279
991249
2565
และเราสามารถเรียนรู้จากมันได้มากพอ
ที่จะสร้างแบบจำลอง
ที่จะสร้างแบบจำลอง
16:48
And ironically,
280
996243
2366
ซึ่งก็น่าตลก
16:50
we're kind of used to having
this kind of interactivity
this kind of interactivity
281
998609
3088
ที่เราคุ้นชินกับการโต้ตอบลักษณะนี้
16:53
when it comes to virtual objects,
282
1001697
2647
หากมันเป็นวัตถุเสมือน
16:56
when it comes to video games
and 3D models,
and 3D models,
283
1004344
3297
หรือวิดีโอเกมส์ และแบบจำลองสามมิติ
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
แต่การที่เราสามารถดึงข้อมูลเหล่านี้
จากวัตถุจริง ๆ ในโลกจริง ๆ ได้
จากวัตถุจริง ๆ ในโลกจริง ๆ ได้
17:04
using just simple, regular video,
285
1012045
2817
โดยใช้วิดีโอธรรมดา ๆ นั้น
17:06
is something new that has
a lot of potential.
a lot of potential.
286
1014862
2183
เป็นบางสิ่งที่ใหม่และมีศักยภาพมาก
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
และนี่คือกลุ่มคนที่น่าทึ่ง
ผู้ซึ่งร่วมงานกับผมในงานวิจัยเหล่านี้
ผู้ซึ่งร่วมงานกับผมในงานวิจัยเหล่านี้
17:16
(Applause)
288
1024057
5596
(เสียงปรบมือ)
17:24
And what I've shown you today
is only the beginning.
is only the beginning.
289
1032819
3057
สิ่งทีผมแสดงให้คุณดูในวันนี้
เป็นเพียงแค่การเริ่มต้น
เป็นเพียงแค่การเริ่มต้น
17:27
We've just started to scratch the surface
290
1035876
2113
เราเพียงแค่เริ่มเปิดประตู
17:29
of what you can do
with this kind of imaging,
with this kind of imaging,
291
1037989
2972
เข้าสู่โลกของหลากหลายสิ่ง
ที่คุณสามารถทำได้ด้วยเทคนิคนี้
ที่คุณสามารถทำได้ด้วยเทคนิคนี้
17:32
because it gives us a new way
292
1040961
2286
เพราะมันให้วิธีใหม่แก่เรา
17:35
to capture our surroundings
with common, accessible technology.
with common, accessible technology.
293
1043342
4724
ในการดึงข้อมูลจากสิ่งแวดล้อมรอบ ๆ ตัว
ด้วยเทคโนโลยีที่เข้าถึงได้ทั่ว ๆ ไป
ด้วยเทคโนโลยีที่เข้าถึงได้ทั่ว ๆ ไป
17:40
And so looking to the future,
294
1048066
1929
เมื่อมองไปในอนาคต
17:41
it's going to be
really exciting to explore
really exciting to explore
295
1049995
2037
มันคงน่าตื่นเต้นที่จะได้ค้นพบว่า
17:44
what this can tell us about the world.
296
1052032
1856
สิ่งนี้จะช่วยบอกอะไรเราได้เกี่ยวกับโลกใบนี้
17:46
Thank you.
297
1054381
1204
ขอบคุณครับ
17:47
(Applause)
298
1055610
6107
(เสียงปรบมือ)
Translated by Kanawat Senanan
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