TED2007
Blaise Agüera y Arcas: How PhotoSynth can connect the world's images
Blaise Aguera y Arcas کے فوٹوسنتھ ڈیمو
Filmed:
Readability: 4.3
5,831,957 views
Blaise Aguera y Arcas فوٹوسنتھ کا حیرت انگیز نمونہ پش کرتے ہیں، ایک ایسا سافٹ ویئر جو ڈیجیٹل تصاویر سے متعلق ہمارے نطریے کو بدل دے گا۔ ویب سائٹ سے لی گئی غیر متحرک تصاویر کو استعمال کرتے ہوئے فوٹو سنتھ حیرت انگیز طور پر خوابوں کو شرمندۂ تعبیر کرتا ہے اور ہمیں سوچنے پر مجبو کرتا ہے-
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
میں آپ کو سب سے پہلے ہر ممکن جلد کچھ بنیادی کام دکھاؤں گا۔ یہ وہ نئی ٹیکنالوجی ہے،
00:27
is some foundational work, some new technology
1
2000
4000
جو ہم ٹھیک ایک سال پہلے مائیکروسافٹ میں حصول کے جزو
00:31
that we brought to Microsoft as part of an acquisition
2
6000
3000
کے طور پر لے کر آئے تھے۔
00:34
almost exactly a year ago. This is Seadragon,
3
9000
3000
اس کا نام سی ڈریگن (Seadragon) ہے۔
00:37
and it's an environment in which you can either locally or remotely
4
12000
3000
یہ ایک ایسا ماحول ہے جس میں آپ بصری کوائف کی بڑی مقدار
00:40
interact with vast amounts of visual data.
5
15000
3000
کے ساتھ نزدیک یا فاصلے سے تعامل کر سکتے ہیں۔
00:43
We're looking at many, many gigabytes of digital photos here
6
18000
3000
ہم یہاں کئی گیگا بائیٹس کی ڈیجیٹل تصاویر دیکھ رہے ہیں
00:46
and kind of seamlessly and continuously zooming in,
7
21000
3000
اور ایک لحاظ سے بلارکاوٹ اور مسلسل زوم ان کر سکتے ہیں،
00:50
panning through the thing, rearranging it in any way we want.
8
25000
2000
ہم اس کو گھما کر دیکھ سکتے ہیں اور جس طرح چاہیں دوبارہ ترتیب دے سکتے ہیں۔
00:52
And it doesn't matter how much information we're looking at,
9
27000
4000
اور اس سے کچھ فرق نہیں پڑتا کہ ہم کتنی معلومات کو دیکھ رہے ہیں،
00:56
how big these collections are or how big the images are.
10
31000
3000
یا یہ مجموعے کتنے بڑے ہیں یا تصاویر کتنی بڑی ہیں۔
00:59
Most of them are ordinary digital camera photos,
11
34000
2000
ان میں سے بیشتر ڈیجیٹل کیمرے سے لی گئی عام تصاویر ہیں، لیکن یہ والی،
01:01
but this one, for example, is a scan from the Library of Congress,
12
36000
3000
مثال کے طور پر، لائبریری آف کانگریس کی ایک اسکین تصویر ہے، اور
01:05
and it's in the 300 megapixel range.
13
40000
2000
اس کی حد 300 میگا پکسل ہے۔
01:08
It doesn't make any difference
14
43000
1000
اس سے کوئی فرق نہیں پڑتا کیونکہ
01:09
because the only thing that ought to limit the performance
15
44000
3000
اس طرح کے کسی نظام کی کارکردگی کو محدود کر سکنے والی واحد چیز
01:12
of a system like this one is the number of pixels on your screen
16
47000
3000
آپ کی اسکرین پر اس وقت پائے جانے والے
01:15
at any given moment. It's also very flexible architecture.
17
50000
3000
پکسلز کی تعداد ہے۔ یہ انتہائی لچک دار بناوٹ ہے۔
01:18
This is an entire book, so this is an example of non-image data.
18
53000
3000
یہ ایک مکمل کتاب ہے، جو کہ بلاتصویر کوائف کی ایک مثال ہے۔
01:22
This is "Bleak House" by Dickens. Every column is a chapter.
19
57000
5000
یہ ڈکنز کی لکھی ہوئی کتاب بلیک ہاؤس ہے۔ ہر کالم ایک باب ہے۔
01:27
To prove to you that it's really text, and not an image,
20
62000
4000
آپ کے سامنے یہ ثابت کرنے کے لئے کہ یہ واقعی متن ہے اور تصویر نہیں،
01:31
we can do something like so, to really show
21
66000
2000
ہم اسے یوں کر سکتے ہیں، تاکہ واقعی یہ ظاہر کیا جا سکے کہ یہ متن کی
01:33
that this is a real representation of the text; it's not a picture.
22
68000
3000
حقیقی نمائندگی ہے؛ یہ کوئی تصویر نہیں ہے۔
01:37
Maybe this is a kind of an artificial way to read an e-book.
23
72000
2000
ہوسکتا ہے کہ کسی برقی کتاب کو پڑھنے کا یہ کوئی مصنوعی طریقہ ہو۔
01:39
I wouldn't recommend it.
24
74000
1000
میں اس کی سفارش نہیں کروں گا۔
01:40
This is a more realistic case. This is an issue of The Guardian.
25
75000
3000
یہ زیادہ حقیقت پسند مثال ہے۔ یہ روزنامہ گارڈین کا ایک شمارہ ہے۔
01:43
Every large image is the beginning of a section.
26
78000
2000
ہر بڑی تصویر ایک حصے کا آغاز ہے۔
01:45
And this really gives you the joy and the good experience
27
80000
3000
اور اس سے آپ کو کسی رسالے یا اخبار کو حقیقی کاغذی شکل
01:48
of reading the real paper version of a magazine or a newspaper,
28
83000
5000
میں پڑھنے کا لطف اور اچھا تجربہ ملے گا،
01:54
which is an inherently multi-scale kind of medium.
29
89000
1000
جو کہ فطری طور پر ایک کثیر الپیمانہ قسم کا ذریعہ ہے۔
01:56
We've also done a little something
30
91000
1000
ہم نے روزنامہ گارڈین کے اس مخصوص شمارے کے کونے
01:57
with the corner of this particular issue of The Guardian.
31
92000
3000
پر کچھ تبدیلی کی ہے۔
02:00
We've made up a fake ad that's very high resolution --
32
95000
3000
ہم نے ایک جعلی اشتہار تیار کیا ہے جو انتہائی اعلی معیار (ہائی ریزولوشن) کا ہے ۔۔
02:03
much higher than you'd be able to get in an ordinary ad --
33
98000
2000
یہ اس سے کافی زیادہ ہیں جو آپ کسی عام اشتہار میں دیکھتے ہیں ۔۔
02:05
and we've embedded extra content.
34
100000
2000
اور ہم نے اس میں اضافی مواد شامل کیا ہے۔
02:07
If you want to see the features of this car, you can see it here.
35
102000
2000
اگر آپ اس کار کی خصوصیات دیکھنا چاہیں، تو آپ انہیں یہاں دیکھ سکتے ہیں۔
02:10
Or other models, or even technical specifications.
36
105000
4000
یا دیگر ماڈل یا پھر تکنیکی تصریحات بھی دیکھی جا سکتی ہیں۔
02:15
And this really gets at some of these ideas
37
110000
2000
اور یہ ان خیالات کا پیکر ہے جس میں اسکرین کی حدود
02:18
about really doing away with those limits on screen real estate.
38
113000
4000
سے باہر نکلا جا سکتا ہے۔
02:22
We hope that this means no more pop-ups
39
117000
2000
ہمیں امید ہے کہ اس سے مراد پاپ اپ یا اس قسم کا دیگر بکواس
02:24
and other kind of rubbish like that -- shouldn't be necessary.
40
119000
2000
نہیں ہے ۔۔ اس کی ضرورت بھی نہیں ہونی چاہیے۔
02:27
Of course, mapping is one of those really obvious applications
41
122000
2000
بلاشبہ، اس قسم کی نمایاں ٹیکنالوجی کا ایک اطلاق
02:29
for a technology like this.
42
124000
2000
نقشوں پر بھی ہوتا ہے۔
02:31
And this one I really won't spend any time on,
43
126000
2000
میں اس پر زیادہ وقت صرف نہیں کروں گا،
02:33
except to say that we have things to contribute to this field as well.
44
128000
2000
سوائے اس کے کہ اس شعبے میں بھی کردار ادا کرنے کے لئے ہمارے پاس چیزیں موجود ہیں۔
02:37
But those are all the roads in the U.S.
45
132000
2000
وہ سب امریکا کی سڑکیں ہیں جنہیں
02:39
superimposed on top of a NASA geospatial image.
46
134000
4000
ناسا کی جغرافیائی مکان کی حامل ایک تصویر کے اوپر مصنوعی انداز سے چسپاں کیا گیا ہے۔
02:44
So let's pull up, now, something else.
47
139000
2000
تو چلیں آئیں کچھ اور دیکھتے ہیں۔
02:46
This is actually live on the Web now; you can go check it out.
48
141000
3000
یہ اس وقت ویب پر براہ راست ہے، آپ جا کر اسے چیک کر سکتے ہیں۔
02:49
This is a project called Photosynth,
49
144000
1000
یہ ایک منصوبہ ہے جس کا نام فوٹو سنتھ (Photosynth) ہے،
02:51
which really marries two different technologies.
50
146000
1000
جو درحقیقت دو مختلف ٹیکنالوجیوں کا بندھن ہے۔
02:52
One of them is Seadragon
51
147000
1000
ان میں سے ایک سی ڈریگن ہے اور دوسری
02:54
and the other is some very beautiful computer vision research
52
149000
2000
ایک انتہائی خوبصورت کمپیوٹر بصری تحقیق ہے جسے یونیورسٹی آف واشنگٹن
02:57
done by Noah Snavely, a graduate student at the University of Washington,
53
152000
2000
کے ایک گریجویٹ طالب علم نوہا اسنیولے نے سر انجام دیا ہے، اس کام میں
03:00
co-advised by Steve Seitz at U.W.
54
155000
2000
یونیورسٹی آف واشنگٹن کے اسٹیو سائٹز اور مائیکروسافٹ ریسرچ کے رک سزیلیسکی
03:02
and Rick Szeliski at Microsoft Research. A very nice collaboration.
55
157000
4000
نے ان کی معاونت کی ہے۔ ایک انتہائی عمدہ اشتراک۔
03:07
And so this is live on the Web. It's powered by Seadragon.
56
162000
2000
تو یہ ویب پر براہ راست ہے۔ اسے سی ڈریگن سے طاقت ملتی ہے۔
03:09
You can see that when we kind of do these sorts of views,
57
164000
2000
آپ دیکھ سکتے ہیں کہ جب ہم انہیں اس انداز سے ملاحظہ کرتے ہیں،
03:12
where we can dive through images
58
167000
1000
جہاں ہم تصاویر کے اندر غوطہ لگا سکتے ہیں
03:14
and have this kind of multi-resolution experience.
59
169000
1000
اور اس قسم کا ملٹی ریزولوشن تجربہ کر سکتے ہیں۔
03:16
But the spatial arrangement of the images here is actually meaningful.
60
171000
4000
لیکن یہاں موجود تصاویر میں خصوصیات کی ترتیب دراصل معنی خیز ہے۔
03:20
The computer vision algorithms have registered these images together
61
175000
3000
کمپیوٹر کے بصری الگورزم نے ان تصاویر کا اکٹھے اندراج کیا ہے، چنانچہ
03:23
so that they correspond to the real space in which these shots --
62
178000
4000
وہ اس حقیقی جگہ سے مطابقت رکھتے ہیں جن کی یہ تصاویر ہیں ۔۔
03:27
all taken near Grassi Lakes in the Canadian Rockies --
63
182000
2000
یہ تمام تصاویر کینیڈا کے چٹانی پہاڑی سلسلے میں واقع گراسی جھیلوں کے نزدیکی علاقے کی ہیں
03:31
all these shots were taken. So you see elements here
64
186000
2000
چنانچہ آپ کو یہاں مستحکم شدہ سلائیڈ شو یا منظر کی تصاویر کے عناصر
03:33
of stabilized slide-show or panoramic imaging,
65
188000
4000
نظر آئیں گے،
03:40
and these things have all been related spatially.
66
195000
2000
اور مکان کے لحاظ سے یہ تمام چیزیں مشترک ہیں۔
03:42
I'm not sure if I have time to show you any other environments.
67
197000
3000
مجھے یقینی طور پر نہیں معلوم کہ آیا میرے پاس آپ کو کوئی دیگر ماحول دکھانے کا وقت ہے۔
03:45
There are some that are much more spatial.
68
200000
1000
ان میں سے بعض ایسی ہیں جن میں مکان کا عنصر بہت زیادہ ہے۔
03:47
I would like to jump straight to one of Noah's original data-sets --
69
202000
3000
میں براہ راست نوہا کے حقیقی کوائف سیٹ پر جانا چاہوں گا ۔۔
03:50
and this is from an early prototype of Photosynth
70
205000
2000
اور یہ فوٹو سینتھ کے ایک پرانے آزمائشی سافٹ ویئر سے لیا گیا ہے
03:52
that we first got working in the summer --
71
207000
2000
جسے ہم نے پہلے پہل موسم گرما میں آزمایا ۔۔
03:54
to show you what I think
72
209000
1000
میں اس میں آپ کو دکھاؤں گا کہ میرے خیال میں
03:55
is really the punch line behind this technology,
73
210000
3000
حقیقت میں اس ٹیکنالوجی کے پیچھے کیا اہم نقطہ ہے،
03:59
the Photosynth technology. And it's not necessarily so apparent
74
214000
2000
یعنی فوٹو سینتھ ٹیکنالوجی۔ اور ضروری نہیں کہ ہم نے ویب سائٹ پر
04:01
from looking at the environments that we've put up on the website.
75
216000
3000
جو ماحول رکھے ہیں ان کو دیکھ کر یہ واضح ہو جائے۔
04:04
We had to worry about the lawyers and so on.
76
219000
2000
ہم وکلاء اور اسی طرح کے دیگر افراد کی جانب سے فکرمند تھے۔
04:07
This is a reconstruction of Notre Dame Cathedral
77
222000
1000
یہ نوترے دیم کیتھیڈرل کی تعمیر نو کا نمونہ ہے
04:09
that was done entirely computationally
78
224000
2000
جسے مکمل طور پر فلکر پر موجود تصاویر کی مدد سے
04:11
from images scraped from Flickr. You just type Notre Dame into Flickr,
79
226000
3000
کمپیوٹر کے ذریعے تیار کیا گیا۔ آپ فلکر میں صرف نوترے دیم ٹائپ کریں،
04:14
and you get some pictures of guys in t-shirts, and of the campus
80
229000
3000
اور آپ کو ٹی شرٹ میں ملبوس لڑکوں کی تصاویر اور کیمپس اور دیگر
04:17
and so on. And each of these orange cones represents an image
81
232000
4000
جگہوں کی تصاویر ملیں گی۔ اور نارنگی رنگ کی ہر کون ایک تصویر کو ظاہر
04:22
that was discovered to belong to this model.
82
237000
2000
کرتی ہے جسے اس نمونے کے حصے کے طور پر دریافت کیا گیا۔
04:26
And so these are all Flickr images,
83
241000
2000
تو یہ سب فلکر کی تصاویر ہیں،
04:28
and they've all been related spatially in this way.
84
243000
3000
اور مکان کے اعتبار سے ان سب کا ایک دوسرے سے تعلق ہے۔
04:31
And we can just navigate in this very simple way.
85
246000
2000
اور ہم اس آسان طریقے سے سمت متعین کر سکتے ہیں۔
04:35
(Applause)
86
250000
9000
(تالیاں)۔
04:44
You know, I never thought that I'd end up working at Microsoft.
87
259000
2000
آپ کو علم ہے، میں نے کبھی سوچا بھی نہیں تھا کہ میں مائیکروسافٹ میں کام کرنے لگوں گا۔
04:46
It's very gratifying to have this kind of reception here.
88
261000
4000
یہاں اس قسم کا استقبال بہت مسرت بخش ہے۔
04:50
(Laughter)
89
265000
3000
(قہقہے)۔
04:53
I guess you can see
90
268000
3000
میرا اندازہ ہے کہ آپ کو یہاں بہت سے مختلف النوع
04:56
this is lots of different types of cameras:
91
271000
2000
کیمرے نظر آ رہے ہوں گے:
04:58
it's everything from cell phone cameras to professional SLRs,
92
273000
3000
ان میں موبائل فون کے کیمروں سے لیکر ایس ایل آر تک ہر قسم کے کیمرے ہیں،
05:02
quite a large number of them, stitched
93
277000
1000
یہ بہت بڑی تعداد میں ہیں جو یہاں اس
05:03
together in this environment.
94
278000
1000
ماحول میں ایک دوسرے سے منسلک ہیں۔
05:04
And if I can, I'll find some of the sort of weird ones.
95
279000
2000
اور اگر میں تلاش کر سکا تو میں کچھ عجیب طرح کے بھی ڈھونڈ نکالوں گا۔
05:08
So many of them are occluded by faces, and so on.
96
283000
3000
ان میں بہت سے سامنے سے بند ہیں اور وغیرہ وغیرہ۔
05:13
Somewhere in here there are actually
97
288000
1000
یہاں کسی کے اندر دراصل تصاویر کا ایک
05:15
a series of photographs -- here we go.
98
290000
1000
سلسلہ ہے ۔۔ یہ رہا۔
05:17
This is actually a poster of Notre Dame that registered correctly.
99
292000
3000
یہ دراصل نوترے دیم کا ایک پوسٹر ہے جس کا درست طریقے سے اندراج کیا گیا ہے۔
05:21
We can dive in from the poster
100
296000
2000
ہم پوسٹر سے غوطہ لگا کر اس ماحول کا
05:24
to a physical view of this environment.
101
299000
3000
طبعی منظر دیکھ سکتے ہیں۔
05:31
What the point here really is is that we can do things
102
306000
3000
دراصل یہاں نقطہ یہ ہے کہ ہم سماجی ماحول کے ساتھ کام کر سکتے ہیں۔
05:34
with the social environment. This is now taking data from everybody --
103
309000
5000
اب یہ ہر کسی سے کوائف حاصل کر رہا ہے ۔۔
05:39
from the entire collective memory
104
314000
1000
مکمل مجموعی یاد داشت کے ذریعے،
05:40
of, visually, of what the Earth looks like --
105
315000
2000
بصری طور پر کہ زمین کیسی دکھائی دیتی ہے ۔۔
05:43
and link all of that together.
106
318000
1000
اور ان سب کو آپس میں جوڑ دے گا۔
05:44
All of those photos become linked together,
107
319000
2000
یہ تمام تصاویر آپس میں مربوط ہو جاتی ہیں،
05:46
and they make something emergent
108
321000
1000
اور ان سے وہ چیز نمودار ہوتی ہے جو
05:47
that's greater than the sum of the parts.
109
322000
2000
تمام اجزا کے مجموعے سے بڑی ہے۔
05:49
You have a model that emerges of the entire Earth.
110
324000
2000
آپ کے پاس ایک نمونہ ہے جو تمام زمین سے نمودار ہوتا ہے۔
05:51
Think of this as the long tail to Stephen Lawler's Virtual Earth work.
111
326000
5000
اسے اسٹیفن لالر کی مجازی زمین کے کام کے ساتھ دمدار شکل کے طور پر سمجھیں۔
05:56
And this is something that grows in complexity
112
331000
2000
اور اس کی پیچیدگی میں اس وقت اضافہ ہو جاتا ہے جب
05:58
as people use it, and whose benefits become greater
113
333000
3000
لوگ اسے استعمال کرتے ہیں اور استعمال کنندگان کے لئے اس کے
06:01
to the users as they use it.
114
336000
2000
فوائد میں اضافہ ہو جاتا ہے۔
06:03
Their own photos are getting tagged with meta-data
115
338000
2000
ان کی اپنی تصاویر پر میٹا کوائف کا ٹیگ لگ جاتا ہے جو
06:05
that somebody else entered.
116
340000
1000
کسی اور شخص نے داخل کیا ہوتا ہے۔
06:07
If somebody bothered to tag all of these saints
117
342000
3000
اگر کوئی شخص ان تمام ولیوں کو ٹیگ لگانے کی زحمت کرے
06:10
and say who they all are, then my photo of Notre Dame Cathedral
118
345000
3000
اور کہے کہ وہ سب کون ہیں، پھر نوترے دیم کیتھیڈرل کی میری
06:13
suddenly gets enriched with all of that data,
119
348000
2000
تصویر اچانک ہی ان تمام کوائف سے مزین ہوجاتی ہے،
06:15
and I can use it as an entry point to dive into that space,
120
350000
3000
اور پھر میں خلا میں غوطہ لگانے کے لئے اسے انٹری پوائنٹ کے طور پر استعمال کر سکتا ہوں،
06:18
into that meta-verse, using everybody else's photos,
121
353000
2000
اور ہر کسی کی تصاویر استعمال کرتے ہوئے اس ذاتی خلاصہ میں جا سکتا ہوں
06:21
and do a kind of a cross-modal
122
356000
2000
اور ایک طرح سے مختلف انداز کا اور مختلف استعمال کنندگان کے سماجی
06:25
and cross-user social experience that way.
123
360000
3000
تجربے سے لطف اندوز ہو سکتا ہوں۔
06:28
And of course, a by-product of all of that
124
363000
1000
اور بلاشبہ ان سب کی ایک ضمنی پیداوار
06:30
is immensely rich virtual models
125
365000
2000
زمین کے ہر دلچسپ حصے کے
06:32
of every interesting part of the Earth, collected
126
367000
2000
انتہائی بیش قیمت مجازی نمونے ہیں
06:35
not just from overhead flights and from satellite images
127
370000
3000
جنہیں ہوائی جہاز کی پروازوں اور سیٹیلائٹ کی تصاویر
06:38
and so on, but from the collective memory.
128
373000
2000
اور اس کے ساتھ ساتھ مشترکہ یاد داشت کی مدد سے بھی حاصل کیا جاتا ہے۔
06:40
Thank you so much.
129
375000
2000
آپ کا بہت شکریہ۔
06:42
(Applause)
130
377000
11000
(تالیاں)۔
06:53
Chris Anderson: Do I understand this right? That what your software is going to allow,
131
388000
4000
کرس اینڈرسن: کیا میں ٹھیک سمجھ رہا ہوں؟ یہ کہ آپ کا سافٹ ویئر
06:58
is that at some point, really within the next few years,
132
393000
2000
آئندہ چند برسوں میں کسی وقت دنیا بھر سے شراکت کی جانے والی
07:01
all the pictures that are shared by anyone across the world
133
396000
4000
تمام تصاویر کو آپس میں ملانے کی
07:05
are going to basically link together?
134
400000
2000
اجازت دے دے گا؟
07:07
BAA: Yes. What this is really doing is discovering.
135
402000
2000
بلئیس اگوارا: جی ہاں۔ یہ حقیقت میں دریافت کر رہا ہے۔
07:09
It's creating hyperlinks, if you will, between images.
136
404000
3000
یہ تصاویر کے درمیان ہائپر لنکس قائم کرتا ہے۔
07:12
And it's doing that
137
407000
1000
اور وہ یہ کام تصاویر کے اندر موجود
07:13
based on the content inside the images.
138
408000
1000
مواد کے ذریعے کرتا ہے۔
07:14
And that gets really exciting when you think about the richness
139
409000
3000
اور یہ چیز انتہائی سنسنی خیز ہوجاتی ہے جب ان میں سے بہت
07:17
of the semantic information that a lot of those images have.
140
412000
2000
سی تصاویر کے اندر موجود معنویتی معلومات کی قدر کے متعلق سوچیں۔
07:19
Like when you do a web search for images,
141
414000
2000
اس طرح جیسے آپ تصاویر کی ویب تلاش کرتے ہیں،
07:22
you type in phrases, and the text on the web page
142
417000
2000
آپ الفاظ ٹائپ کرتے ہیں اور ویب صفحے پر موجود متن میں
07:24
is carrying a lot of information about what that picture is of.
143
419000
3000
تصویر کے متعلق بہت سی معلومات شامل ہوتی ہیں۔
07:27
Now, what if that picture links to all of your pictures?
144
422000
2000
اب، اس وقت کیا ہوتا ہے جب وہ تصویر آپ کی تمام تصاویر سے منسلک ہوجاتی ہے؟
07:29
Then the amount of semantic interconnection
145
424000
2000
پھر معنویتی باہم مربوط اور اس سے باہر آنے والی
07:31
and the amount of richness that comes out of that
146
426000
1000
معلومات کی مقدار حقیقت میں بہت بڑی ہے۔
07:32
is really huge. It's a classic network effect.
147
427000
3000
یہ نیٹ ورک کا ایک کلاسیکی اثر ہے۔
07:35
CA: Blaise, that is truly incredible. Congratulations.
148
430000
2000
کرس اینڈرسن: بلیئس، یہ واقعی ناقابل یقین ہے۔ مبارک ہو۔
07:37
BAA: Thanks so much.
149
432000
1000
بلئیس اگوارا: بہت شکریہ۔
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