Исследователи из Университета Уильяма Марша Райса разработали прототип плоской безобъективной цифровой камеры под названием FlatCam. С докладом авторы выступят в декабре на Extreme Imaging Workshop в Чили, с кратким описанием принципа работы FlatCam можно ознакомиться на сайте университета.
FlatCam представляет собой матрицу, на которую наложена специальная маска с множеством отверстий. Маска превращает FlatCam в массив пинхол-камер, а для получения приемлемого вида снимка данные с оптического сенсора подвергаются программной обработке на компьютере. Созданные вручную прототипы камеры позволяют получить в течение нескольких секунд изображение разрешением 512×512 пикселей, однако разработчики уверены, что при более совершенном алгоритме декодирования можно значительно ускорить получение результата и даже вывести превью в режиме реального времени.
Как отмечают разработчики, главное преимущество FlatCam — отход от традиционного использования объектива, что позволяет существенно уменьшить и удешевить конечную стоимость камеры. При этом многие современные мобильные телефоны достаточно мощны, чтобы обрабатывать поступающие данные и восстанавливать изображение.
Авторы предлагают использовать FlatCam для тех сфер, где необходима дешевая, легкая, гибкая и компактная камера — например, для использования в носимых устройствах, в больших составных оптических массивах или в качестве инструмента для оперативного получения данных при чрезвычайных ситуациях.
FlatCam — не первая разработка в области безобъективных камер. Ранее подобный концепт представили сотрудники Bell Laboratories, только в качестве маски использовалась обычная ЖК-панель.
Он позволяет управлять компьютером
Исследователи из Reality Labs, исследовательского подразделения компании Meta*, разработали неинвазивный нейромышечный интерфейс в формате браслета, который декодирует электрические сигналы мышц на запястье и позволяет с их помощью управлять компьютером. Устройство способно распознавать отдельные жесты пальцев руки и отклонения кисти. С его помощью пользователи управляли курсором и вводили рукописный текст со скоростью до двадцати одного слова в минуту. В основе системы лежат универсальные нейросетевые модели, натренированные на большом массиве данных, полученных от нескольких тысяч добровольцев — это позволяет новым пользователям использовать браслет без долгой предварительной калибровки. Статья опубликована в журнале Nature.