کمک هوش مصنوعی به طراحی لنز تلفنهای همراه
هوش مصنوعی طراحی لنزهای تلفنهای همراه را سرعت میبخشد و زمان توسعه آنها را به تنها یک روز کاهش میدهد که نتیجه میتواند دوربینهای بهبود یافته برای تلفنهای همراه با کیفیت برتر یا عملکرد جدید باشد.به گزارش سینا، پژوهشگران دانشگاه علم و صنعت ملک...
هوش مصنوعی طراحی لنزهای تلفنهای همراه را سرعت میبخشد و زمان توسعه آنها را به تنها یک روز کاهش میدهد که نتیجه میتواند دوربینهای بهبود یافته برای تلفنهای همراه با کیفیت برتر یا عملکرد جدید باشد.
به گزارش سینا، پژوهشگران دانشگاه علم و صنعت ملک عبدالله(KAUST) در عربستان سعودی به پیشرفت قابل توجهی در توسعه لنزهای نوری برای دوربینهای تلفن همراه دست یافتهاند.
آنها یک مدل هوش مصنوعی پیشرفته ایجاد کردهاند که به طور خاص برای کمک به توسعه این لنزها طراحی شده است.
به گفته آنان، یک رویکرد محاسباتی خودکار برای طراحی لنزهای نوری سیستمهای تصویربرداری، ارائه راهحلهای بهینه را بدون دخالت انسان نوید میدهد و زمان و هزینههای معمول را کاهش میدهد و نتیجه میتواند دوربینهای بهبود یافته برای تلفنهای همراه با کیفیت برتر یا عملکرد جدید باشد.
یادگیری تحصیلی
این روش طراحی موسوم به دیپلنز(DeepLens) که توسط شینگ یانگ، شیانگ فو و ولفگانگ هایدریش در دانشگاه علم و صنعت ملک عبدالله توسعه یافته است، بر اساس مفهوم « یادگیری تحصیلی»( curriculum learning) ابداع شده است که از یک رویکرد ساختاریافته، تکراری و مرحلهای استفاده میکند که پارامترهای کلیدی سیستم تصویربرداری، مانند وضوح، دیافراگم و میدان دید را در نظر میگیرد.
سیستمهای هوش مصنوعی مانند انسانها برای یادگیری کارهای پیچیده از ابتدا به راهنمایی نیاز دارند. به عنوان مثال، انسان قبل از اینکه در نهایت بتواند پریدن یا ورزش کردن را بیاموزد، خزیدن، ایستادن و راه رفتن را یاد میگیرد.
به شکل مشابه، «یادگیری تحصیلی» یک کار پیچیده(در این مورد، طراحی یک سیستم لنز پیچیده) را به نقاط عطف مشخص با پیچیدگی فزاینده تقسیم میکند و به شکل تدریجی نیازهای وضوح، اندازه دیافراگم و میدان دید را برآورده میکند.
عدم نیاز به دخالت انسانی نیست
نکته مهم این است که این طرح میتواند بیش از یک طراحی مبتنی بر انسان به عنوان نقطه شروع باشد. و در عوض میتواند به طور کامل یک سیستم اپتیکال مرکب را طراحی کند که دارای چندین عنصر لنز انکساری است که هر کدام دارای اشکال و ویژگیهای سفارشیسازی شدهاند تا بهترین عملکرد کلی را ارائه دهند.
یانگ اظهار داشت: روشهای خودکار سنتی تنها به بهینهسازیهای جزئی طرحهای موجود منجر میشوند، اما رویکرد ما میتواند طراحیهای پیچیده لنز را از ابتدا بهینه کند و ماهها کار دستی توسط یک مهندس با تجربه را به یک روز کاهش دهد.
این رویکرد در ایجاد طرحهای نوری کلاسیک و لنز محاسباتی عمق میدان بسیار مؤثر نشان داده است. همچنین در یک سیستم تصویربرداری کلاسیک آزمایش شده و تکامل آن در طراحی و عملکرد نوری به دلیل تطبیق با مشخصات طراحی مورد تجزیه و تحلیل قرار گرفته است.
یانگ توضیح داد: روش ما به طور خاص به طراحی عدسیهای انکساری چند عنصری میپردازد که در دستگاههایی از میکروسکوپ گرفته تا دوربینهای سلولی و تلسکوپها رایج است.
وی افزود: ما پیشبینی میکنیم که شرکتهایی که با دوربینهای دستگاههای تلفن همراه مرتبط هستند، علاقه شدیدی به مدل ما داشته باشند. جایی که محدودیتهای سختافزاری نیاز به کمک محاسباتی برای کیفیت تصویر بهینه دارد. روش ما در مدیریت تعاملات پیچیده بین اجزای نوری و محاسباتی برتر است.
در حال حاضر، رویکرد دیپلنز فقط برای عناصر لنز انکساری قابل استفاده است. با این حال پژوهشگران میگویند که اکنون در تلاش هستند تا این طرح را به سیستمهای اپتیکی هیبریدی که ترکیبی از لنزهای انکساری با اپتیکهای انکساری و فلزی هستند، گسترش دهند.
یانگ در پایان افزود: این مدل میتواند سیستمهای تصویربرداری را کوچکتر کند و قابلیتهای جدیدی مانند دوربینهای طیفی و تصویربرداری عمقی مشترک را در دسترس قرار دهد.
این رویکرد نوآورانه نویدهای زیادی برای پیشرفت قابلیتهای دوربینهای تلفن همراه دارد که به طور بالقوه منجر به بهبود کیفیت تصویر و بهبود تجربههای عکاسی برای کاربران میشود.